阿裏巴巴發布 Qwen-Image-Edit：20B 開源模型用於高級圖像和文本編輯

簡要

阿裏雲的Qwen團隊推出了Qwen-Image-Edit，這是一個最先進的圖像編輯模型，結合了語義和外觀編輯與精確的雙語文本修改，爲創意和實用應用提供了先進的能力。

阿裏巴巴雲的 Qwen 團隊推出了 Qwen-Image-Edit，這是一個基於 20B Qwen-Image 框架的先進圖像編輯模型。新系統在 Qwen-Image 獨特的文本渲染能力基礎上進行了擴展，將其應用於圖像編輯，特別關注文本修改的精確性。Qwen-Image-Edit 通過兩個並行組件處理輸入圖像：Qwen2.5-VL，負責視覺語義控制，以及 VAE 編碼器，負責視覺外觀。這種雙重方法使模型能夠有效地處理語義級和外觀級的編輯任務。該工具可以通過 Qwen Chat 的“圖像編輯”功能訪問。

Qwen-Image-Edit 旨在在多個編輯維度上執行。它支持外觀級調整，例如添加、刪除或修改視覺元素，同時保持圖像的所有其他區域完好無損，以及語義級編輯，例如知識產權創建、物體旋轉或風格遷移，在這些情況下，允許更廣泛的像素修改，但保留語義完整性。它還提供精細的文本編輯功能，支持中文和英文，允許用戶在圖像中添加、刪除或調整文本，同時保持字體、大小和風格的一致性。對多個廣泛認可的數據集進行的基準測試表明，Qwen-Image-Edit 在圖像編輯方面達到了最先進的性能，使其成爲該領域未來應用的強大基礎模型。

Qwen-Image-Edit的語義和外觀編輯，適用於創意和實用應用

Qwen-Image-Edit 的一個顯著特點是其在語義和外觀編輯方面的高級功能。語義編輯涉及在確保圖像的基本視覺意義保持不變的情況下，改變圖像的內容。爲了以簡單的方式說明這一功能，開發團隊以 Qwen 的官方吉祥物水豚作爲一個實際示例。

![qwen-image-edit 展示了用於創意和實際應用的高級語義和外觀編輯](http://img-cdn.gateio.im/social/moments-5970b5aae8436ebb045c2c725df60a57019283746574839201

觀察表明，盡管修改後的圖像中大部分像素與左側原始輸入圖像中的像素不同，但水豚角色的整體一致性仍然完全保持。這表明Qwen-Image-Edit具有強大的語義編輯能力，支持原創知識產權內容的靈活和多樣化發展。此外，在Qwen Chat中，圍繞16種MBTI人格類型創建了一套專門的編輯提示。使用這些提示，成功制作了一整套以水豚吉祥物爲特色的MBTI主題表情包，有效地擴展了角色的表現和可見度。

此外，新穎的視圖合成代表了語義編輯中的另一個重要用例。Qwen-Image-Edit能夠將物體旋轉90度或執行完整的180度旋轉，從而直接可視化物體的背面。語義編輯的另一個例子是風格遷移，例如，標準肖像可以被重新詮釋爲多種藝術美學，包括讓人想起吉卜力工作室的風格。

除了語義編輯，外觀編輯也是圖像修改中常見的功能。這種方法側重於保持圖像特定區域完全不變，同時引入、刪除或更改指定元素。如在一個示例中，招牌無縫地融入場景，外觀編輯適用於多種應用，例如個人背景調整或服裝修改。Qwen-Image-Edit的另一個顯著特點是其在文本編輯方面的精確性，這一特性源於Qwen-Image在文本渲染技術方面的先進專長。