علی‌بابا یه مدل جدید به اسم Qwen-Image-Layered معرفی کرده که کلاً نگاهش به تصویر فرق داره. این مدل open-source هستش و به‌جای اینکه تصویر رو مثل یه عکس تخت ببینه، باهاش مثل یه پروژه‌ی قابل ویرایش رفتار می‌کنه.

مشکل بیشتر image model‌های فعلی اینه که خروجیشون فقط یه raster image واحده. یعنی اگه بخوای یه بخش کوچیک رو تغییر بدی، معمولاً کل تصویر به‌هم می‌ریزه. یه چیز رو عوض می‌کنی، نور، ترکیب‌بندی یا حتی بقیه آبجکت‌ها هم تغییر می‌کنن.

ایده‌ی Qwen خیلی ساده ولی فنیه: تصویر رو به چند تا RGBA layer بشکن.

تو فقط یه layer رو ویرایش می‌کنی و بقیه‌ی تصویر دست‌نخورده می‌مونه. نه re-generation لازم داری، نه اثرات جانبی عجیب

آپشنایی که داره

🔹میتونی آبجکت ها رو recolor کنی، replace یا delete کردنشون، resize و reposition بدون خراب شدن بقیه تصویر.
🔹می‌تونی layer‌ها رو به‌صورت فایل تصویری یا tensor خروجی بگیری و توی ML pipeline استفاده کنی.

🔴Instagram
🔵Telegram