在9月21日的时候, 通义千问把Qwen-Image-2.1给全量开源了, 这个7B参数的模型同时能够去干生图、修图、透明背景这三件事, 不烧显存也不花授权费, 让设计师和开发者可以直接白嫖。

7B参数跑赢大模型

这次视觉生成模块用的是32层DiT结构, 参数只有7B, 官方通过混合粒度注意力和KV Cache复用, 所以多图输入时推理速度明显加快, 显存占用也压下来了。

拿市面上那些动不动就有几十B大小的图像模型来做个对比吧, 7B这个参数规模就表明, 消费级别的显卡也能够直接运行起来, 再说了, 如果在一次操作里输入多张参考图片, 延迟现象并没有出现成倍增加的状况, 无论是选择在本地进行部署开发, 还是去调用API接口服务, 这些方面所产生的费用成本全部都是实实在在的节省下来了。

透明背景一键生成

你只要输入一个提示词就行了, 然后呢, 模型就会自己来做出判断, 看看是需要输出一张普通的图片, 还是需要输出一张带有Alpha通道的RGBA格式的图片。

这个过程完全不需要你手动去进行抠图操作, 而且生成的主体边缘会非常干净整洁。最后你就可以直接把它拖拽进入Photoshop或者是Figma里进行使用了。

更具实用性的一点在于, 即便是位于透明图层上的文字内容也可以进行编辑操作。将图片中原本显示的“ BLOOM ”字样直接更换为“ Qwen-Image ”这一表述。

在这个过程中, 图像背景中包含的透明部分不会受到任何影响。假如把真实的照片数据放入系统进行处理, 系统会自动提取其中的主体对象并输出为透明格式的PNG文件。这种做法能够省去耗费大半天的抠图时间。

十张参考图合成

一次最多能够支持上传十张参考图, 模型可以把多个主体和素材综合成一张协调的画面, 在进行电商主图制作、分镜故事板绘制这些工作的过程中, 不用再来回切换软件了。

比如说在进行品牌视觉的相关工作的同时, 将产品图片、标识图案、场景照片以及模特写真全部投放到系统里面去, 人工智能模型会自动地去处理光影的方向问题以及画面的构图结构, 最终会输出一组风格保持高度统一的系列图片内容, 这样的工作效率会比通过人工手动拼接的方式进行操作要高出整整一个数量级。

局部编辑三种方式

编辑区域这一功能, 是支持进行圈选操作的, 它同时也支持涂抹操作, 另外它还可以支持独立掩模方式。

其中, 圈选这种方式是适合拿来更改一整块内容的, 而涂抹这种方式是适合用来对边缘地方进行精细的调整的, 至于掩码这种方式, 它是十分适合用来批量处理那些有规则的区域情况的, 其灵活程度相比起之前的状况而言, 已经是变强了不少了。

在进行编辑操作的过程之中, 图片背景以及其他所有部分都不会受到任何破坏性的影响, 修改仅针对指定的那些区域展开。若是你仅仅只想更换衣物的颜色并且还要保留发型以及表情这些细节的话, 那就只需要涂抹衣物所在的区域就可以了, 而位于衣物周围的像素内容则会保持原封不动的状态。

人像商品修图不崩

官方在关键方面进行了强化, 重点优化了人像保持一致性这一工作。经过修图处理后, 人物的五官、皮肤的纹理特征以及眼神的方向, 都能够做到基本保持不变。对于商品图片上的文字内容和形态结构, 也展现出了很高的还原能力。绝对不会出现因为修图的缘故而导致商标变得模糊不清的情况发生。

现在的文字渲染能力也得到了升级, 即便是中英文混排在小字号的情况下也依然保持清晰可见, 全景图的光影变得更为自然地过渡了, 分镜图中明暗的关系也更加合理得当, 这样在后期的时候就不会需要再去做任何调整工作了。

免费开源直接上手

自9月21日起, 该模型已经于Hugging Face平台以及ModelScope平台上开启了同步开源的工作流程。所有的代码内容跟模型权重数据都已经全部发布出来了, 这样一来就使得开发群体得以实现零成本来下载和部署这个模型了。

只需要个人去拉取一个运行环境的话, 就直接可以去运行它了, 而企业如果要将其接入自己的业务体系之中, 也是不会收取任何授权费用的。

现在能够覆盖的方面有文生图、图像编辑、透明生成、信息图、分镜图以及全景图等场景, 仅仅依靠一个模型就可以处理好所有情况。需要大家注意的地方是, 7B在输出超高分辨率的内容方面可能在效果上不如那些体量更大的模型, 所以在进行批量出图的时候, 建议采取分批处理的方法来进行操作。

当你在平日期间从事设计作业或者开展开发任务的过程之中, 你最内心迫切地期望人工智能绘图工具能够协助你将哪一个特定环节予以省略掉? 请前往评论区分享你的观点并且进行交流, 假如你认为此内容具备实际价值的话, 不妨动动手指点击一下赞, 随后将其转发给你的同事们去共同阅读与查看。