モデル

Qwen-Image-2.1

画像生成と編集を1つにまとめ、透過画像と複数参照画像へ対応したモデルを公開しました。

重要ウェイト公開Qwen

画像生成、編集、透過処理を1モデルで実行

Qwenは、画像生成と画像編集を統合したQwen-Image-2.1を公開しました。

Hugging FaceとModelScopeでモデルを配布し、Hugging Face上では申請なしでファイルを取得できます。

画像生成部分は7Bパラメーターで、32層のSingle-Stream DiTを採用しています。

テキストから通常画像と透過背景を持つRGBA画像を生成できます。

画像編集では、背景変更、対象物の抽出、透過レイヤーの編集に対応します。

最大10枚の参照画像を入力でき、人物や製品の同一性を保った編集を想定しています。

円、描画注釈、個別マスクを使って編集位置を指定できます。

推奨出力は2,048×2,048ピクセルで、4:3、3:4、3:2、2:3、16:9、9:16の縦横比も示されています。

Diffusers向けの実行例が公開され、CPUオフロードによるメモリー削減にも対応します。

曖昧な指示を具体的な編集プロンプトへ変換するQwen-Image-2.1-PE-I2Iと、テキスト画像生成向けのPE-T2Iも同時に配布されています。

ライセンスはApache 2.0ではなくQwen Research License Agreementです。性能や画質に関する説明はQwen自身によるもので、独立評価ではありません。