Qwen-Image-Layered
AI Image Editor 越来越接近 Photoshop
AI Image Editor 可以给图片分层了！ 阿里巴巴通义千问团队最新开源。将单一 RGB 图像分解为多个语义独立的 RGBA 图层，实现无损、高一致性的端到端图像编辑体验。
输入一张 RGB 图像，输出多个包含透明通道（Alpha）的独立图层。
重新定义图像生成与编辑
Qwen-Image-Layered 不仅仅是一个生成模型，它通过模拟专业设计软件的图层逻辑，解决了传统扩散模型在一致性上的痛点。
图像分解 (I2L)
将普通图像分解为具有语义意义的 RGBA 图层。支持复杂场景、文本和半透明物体的精准分离。
可变与递归图层
不固定图层数量，支持指定 3层、8层等。更可对单个图层进行递归分解，实现无限精度的层级控制。
固有可编辑性
每个图层均可独立移动、缩放、删除或重新着色。物理隔离保证了编辑时背景和其他物体的一致性。
文本到多图层 (T2L)
支持直接从文本提示词生成多图层图像，为创意设计提供即时可用的分层素材。
无缝集成
与 Qwen-Image-Edit 完美结合，可针对特定图层进行高级重绘（Inpainting）和替换操作。
完全开源
Apache 2.0 协议。模型权重、代码库、论文全部公开。Hugging Face 和 ModelScope 同步上线。
实际应用展示
精准的语义分解
以上示例展示了模型对复杂图像的分解效果：左侧为输入图像，右侧为分解出的多个RGBA图层（包括透明通道），每个图层对应语义独立的元素（如背景、物体、文本）。
技术亮点
RGBA-VAE
为了处理透明通道，团队设计了统一 RGB 和 RGBA 的变分自编码器，构建了兼容的潜空间表示。
VLD-MMDiT
基于 Qwen2.5-VL，采用了支持可变图层数（Variable-Layer）的扩散 Transformer 架构。
多阶段训练
从大规模预训练图像生成模型出发，经过精心设计的微调策略，适配到多图层分解任务。
高质量数据
利用真实 PSD 文件构建数据集，确保模型能处理半透明遮挡、复杂图文排版等真实挑战。
快速上手
查看完整文档from diffusers import QwenImageLayeredPipeline
import torch
from PIL import Image
# 1. 加载模型
pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered")
pipeline = pipeline.to("cuda", torch.bfloat16)
# 2. 准备图像
image = Image.open("test.png").convert("RGBA")
# 3. 设置参数并推理
inputs = {
"image": image,
"layers": 4, # 指定分解为4层
"num_inference_steps": 50,
"resolution": 640,
"true_cfg_scale": 4.0,
}
with torch.inference_mode():
output = pipeline(**inputs)
layers = output.images[0] # Returns list of layers
# 4. 保存图层
for i, layer in enumerate(layers):
layer.save(f"layer_{i}.png")需要 transformers>=4.51.3 和最新版 diffusers