شرکت چینی علیبابا نسخه جدید مدل تصویری خود با نام Qwen Image 2.1 را منتشر کرد؛ مدلی متنباز که با ۷ میلیارد پارامتر توسعه یافته و هدف آن ارائه ترکیبی از کیفیت بالا، سرعت مناسب و هزینه پایینتر در تولید و ویرایش تصاویر است.
یکی از قابلیتهای مهم Qwen Image 2.1، پشتیبانی بومی از شفافیت و لایههای RGBA است. این مدل میتواند تصاویر با پسزمینه شفاف تولید یا ویرایش کند و حتی امکان ترکیب تصاویر و ویرایش متن روی این نوع تصاویر را فراهم میکند.
Qwen Image 2.1 همچنین میتواند تا ۱۰ تصویر مرجع را همزمان دریافت کند و با استفاده از آنها، بخشهای مشخصی از تصویر را با دقت بیشتری تغییر دهد. علیبابا میگوید این مدل در ویرایش پرتره و تصاویر محصولات تلاش میکند ویژگیها و جزئیات اصلی سوژه را حفظ کند.
مدل جدید علیبابا برای کاربردهایی مانند تولید تصاویر پانوراما، اینفوگرافیک، تصاویر مربوط به پرو مجازی لباس، بافتهای واقعگرایانه و تایپوگرافی باکیفیت طراحی شده است.
یکی از نمونههای جالب عملکرد Qwen Image 2.1، ساخت یک استوریبرد کامل از یک شخصیت است؛ بهطوری که مدل با دریافت تصاویر مرجع از چند زاویه، میتواند ظاهر شخصیت را در صحنههای مختلف بازسازی کند.
علیبابا تأکید دارد که معماری نسبتاً سبک ۷ میلیارد پارامتری این مدل، در کنار سرعت بالای استنتاج، بهخصوص هنگام پردازش چند تصویر ورودی، باعث شده Qwen Image 2.1 با وجود ابعاد کوچکتر بتواند با برخی مدلهای بسته و قدرتمند بازار رقابت کند.
وزنهای Qwen Image 2.1 اکنون بهصورت متنباز منتشر شدهاند و توسعهدهندگان میتوانند از این مدل برای پروژههای مختلف تولید و ویرایش تصویر استفاده کنند.
کد خبر ۲۱۲۰۵۰۶۳۰.۸۷۸
منبع: کوئن.ای آی
