Qwen-Image - Tongyi Qianqian bringt Open-Source-Grundmodell von Qwen-Image auf den Markt

Was ist Qwen-Image

Qwen-Image ist ein Open-Source-Basismodell für die Bilderzeugung, das vom Alibaba Tongyi Qianqian-Team veröffentlicht wurde. Mit 20 Milliarden Parametern verwendet es die Multimodal Diffusion Transformer Architecture (MMDiT), die die drei Module multimodales Verstehen, hochauflösende Kodierung und Diffusionsmodellierung integriert. Der Hauptvorteil von Qwen-Image liegt in der leistungsstarken Darstellung von komplexem Text und präzisen Bildbearbeitungsfunktionen, die chinesische und englische Textbilder mit mehrzeiligen Layouts und feinen Details erzeugen können und verschiedene Operationen wie Stilmigration, Hinzufügen, Löschen und Änderungen unterstützen. Qwen-Image unterstützt die Migration von Stilen, Hinzufügungen, Löschungen und andere Vorgänge. Qwen-Image wurde in der öffentlichen Bewertung von AI Arena zum ersten Open-Source-Modell mit ausgezeichneter Leistung beim Rendern chinesischer Texte gekürt. Qwen-Image eignet sich für Posterdesign, PPT-Produktion, Markenmarketing und andere Szenarien und unterstützt Online-Erfahrung und lokale Bereitstellung, die Benutzern über Plattformen wie Hugging Face, ModelScope usw. zur Verfügung steht.

Hauptmerkmale von Qwen-Image

• Bilderzeugung
  • Multistil-GenerierungDutzende von Bildtypen wie Realismus, Anime, Cyberpunk, Science-Fiction, Minimalismus, Retro, Surrealismus, Tinte usw. können erstellt werden.
  • TextwiedergabeKann mehrzeilige Layouts, Semantik auf Absatzebene und feine Details verarbeiten, unterstützt sowohl Chinesisch als auch Englisch und ermöglicht komplexe grafische Layouts mit mehreren Standorten.
• Bildbearbeitung
  • StilmigrationKonvertiert Bilder in einen bestimmten Kunststil.
  • ObjektmanipulationEinfügen und Entfernen von Szenenelementen mit Präzision.
  • DetailverbesserungOptimieren Sie die lokale Qualität des Bildes.
  • LektorinÄndern Sie den in das Bild eingebetteten Text.
  • LageregelungAnpassung der Bewegungsmuster der Charaktere.
• grafisches Verständnis
  • Objekterkennung und semantische SegmentierungErkennung und Segmentierung von Objekten in einem Bild.
  • Schätzung der Tiefe/KantigkeitTiefenabschätzung und Kantenerkennung durchführen.
  • Neue SyntheseperspektiveBilder aus verschiedenen Blickwinkeln generieren.
  • Rekonstruktion mit Super-ResolutionVerbesserung der Bildauflösung.

Die Projektadresse von Qwen-Image

• GitHub-Repository:: https://github.com/QwenLM/Qwen-Image
• HuggingFace-Modellbibliothek:: https://huggingface.co/Qwen/Qwen-Image
• Technische Papiere:: https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-Image/Qwen_Image.pdf
• Online-Erlebnis-Demo:: https://huggingface.co/spaces/Qwen/Qwen-Image

Wie verwendet man Qwen-Image?

• QwenChat besuchen: Zugang Qwen-Schmätzer Offizielle Website.
• Wählen Sie die Funktion zur BilderzeugungSuchen Sie in der QwenChat-Oberfläche die Funktion "Bilderzeugung" und wählen Sie sie aus.
• Eingabeaufforderung für TextBeschreibung: Geben Sie in das Texteingabefeld eine Beschreibung des Bildes ein, das Sie erzeugen möchten.
• Bilder generierenKlicken Sie auf die Schaltfläche "Generieren" und Qwen-Image generiert das Bild gemäß den Textvorgaben.
• Generierte Bilder anzeigen und herunterladenDas erzeugte Bild wird auf der Benutzeroberfläche angezeigt, und der Benutzer kann den erzeugten Effekt ansehen und auswählen, ob er ihn herunterladen und lokal speichern möchte.

Die Stärken von Qwen-Image

• Komplexes Text-RenderingDas KI-Bilderzeugungssystem des Unternehmens wurde entwickelt, um chinesische und englische Texte mit mehrzeiligen Layouts, Semantik auf Absatzebene und feinen Details genau wiederzugeben, und schließt damit eine Lücke im Bereich der KI-Bilderzeugung für Chinesisch.
• Präzise BildbearbeitungEs unterstützt eine breite Palette von Operationen wie Stilmigration, Hinzufügungen, Löschungen, Detailverbesserungen, Textbearbeitung, Anpassung von Zeichengesten usw. und kann die allgemeine semantische Kohärenz und die visuellen Details eines Bildes beibehalten, während es den Befehlen des Benutzers folgt.
• Leistungsstarke Funktionen zur Generierung von Bildern für allgemeine ZweckeErstellen Sie hochwertige Bilder in verschiedenen künstlerischen Stilen und Themen, einschließlich Fotorealismus, Animation, Malerei usw.

Qwen-Image Leistung

• Platz drei insgesamt und Platz eins für Open-Source-Modelle in den öffentlichen Bewertungen von AI Arena.
• In Benchmark-Tests wie CVTG-2K übertrifft das chinesische Text-Rendering die Ergebnisse von Closed-Source-Modellen wie GPT Image 1 und Seedream 3.0 deutlich.
• In Tests wie LongText-Bench, ChineseWord und TextCraft ist seine Fähigkeit zur Textwiedergabe, insbesondere zur Generierung chinesischer Texte, deutlich besser als bei bestehenden Modellen.

Qwen-Image Anwendungsszenarien

Zu den Anwendungsszenarien von Qwen-Image gehören: Plakatdesign, das für Filmplakate, Produktwerbung, Veranstaltungswerbung usw. verwendet werden kann. Es kann automatisch mehrschichtige Textbotschaften erstellen, die genaue Wiedergabe von Markenlogos unterstützen und eine Vielzahl von künstlerischen Stilen erzeugen. E-Commerce-Szenarien: Generierung von Produktschaubildern, Werbepostern usw., um die visuelle Attraktivität zu steigern und den Verkauf zu fördern. Social-Media-Inhalte, schnelle Erstellung von Bildern, die an die Größe einer Vielzahl von Social-Media-Plattformen angepasst sind, für Microblogging-Grafiken, das Teilen von Freundeskreisen usw., mit auffälligen visuellen Effekten.