Alibaba пусна отворения модел Qwen-Image-2.1 за изображения
Екипът Qwen AI на Alibaba пусна Qwen-Image-2.1 — модел с отворени тегла за създаване и редактиране на изображения. Компонентът му за визуална генерация има 7 милиарда параметри. От Qwen заявяват, че моделът превъзхожда повечето затворени системи в собствения им тест, но независими резултати от сравнения все още няма. Моделът работи на достатъчно мощни потребителски графични карти, включително 3090.
Qwen-Image-2.1 създава и редактира проз прозрачни RGBA изображения, което позволява отделяне на обекти или промяна на текст върху прозрачни слоеве. Може да използва до десет референтни изображения едновременно — например за групови портрети, виртуално пробване на дрехи и проектиране на помещения. Локалните промени могат да се насочват с кръгове, маски или нарисувани обозначения. Според Qwen архитектурни промени и повторното използване на KV кеша ускоряват изчисленията, особено при много референции. Моделът е достъпен в Hugging Face, GitHub и Model Scope, както и чрез демонстрация в Hugging Face. Лицензът за изследователска употреба забранява търговското използване; бизнесите трябва да поискат отделен лиценз от Qwen.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на The Decoder. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.