アリババのQwenチームがリリース Qwen-画像編集 19 年 2025 月 20 日にリリース予定の Qwen-Image は、XNUMXB Qwen-Image バックボーン上に構築された画像編集バリアントで、正確なバイリンガル テキスト編集、デュアル モードのセマンティック + 外観コントロール、SOTA ベンチマーク パフォーマンスを約束します。アーキテクチャ、機能、使用方法について詳しく説明します。
Qwen-Image-Edit とは何ですか? なぜ重要なのですか?
Qwen-Image-Editは、アリババのQwenチームが19年2025月20日にリリースした画像編集基盤モデルで、XNUMX億パラメータのQwen-Imageバックボーンを基盤としています。Qwen-Imageの高度なテキストレンダリングをインタラクティブな画像編集に拡張し、画像内のバイリンガル(中国語/英語)テキスト編集、きめ細かな外観編集(削除/追加/レタッチ)、高レベルのセマンティック変換(オブジェクトの回転、新規ビュー合成、スタイル転送)などを実現します。チームによると、このモデルは画像を視覚言語エンコーダーとVAEエンコーダーの両方に入力することで、セマンティクスと外観を独立して制御します。
それは明確に設計されています 命令駆動型 画像編集: 入力画像と自然言語の指示 (英語と中国語をサポート) を提供すると、モデルは視覚的な一貫性を維持しながら、正確なテキスト編集、オブジェクトの追加/削除、スタイルや色の調整、さらにはより高レベルのセマンティック変換を実行できる編集済み画像を返します。
画像編集はもはや「ペイントやマスク、合成」だけではありません。Qwen-Image-Editのようなモデルを使えば、編集内容を自然言語で記述し、タイポグラフィやレイアウトを維持しながら、これまでPhotoshopで細心の注意を払って作業していたような細かい部分の修正も行えます。この組み合わせは、プログラムによる繰り返し可能なビジュアル編集を必要とするクリエイティブ、eコマース、マーケティングチーム、そして自動化パイプラインにとって特に価値があります。
