Alibaba выпустила открытую модель Qwen-Image-2.1 для работы с изображениями
Команда Qwen AI компании Alibaba выпустила Qwen-Image-2.1 — модель с открытыми весами для создания и редактирования изображений. Визуальный генератор модели содержит 7 миллиардов параметров. В Qwen утверждают, что по собственному тесту модель превосходит большинство закрытых систем, однако независимые результаты сравнений пока отсутствуют. Модель запускается на достаточно производительных пользовательских видеокартах, включая 3090.
Qwen-Image-2.1 умеет создавать и редактировать прозрачные изображения в формате RGBA. Это позволяет отделять объекты или менять текст на прозрачных слоях. Модель принимает до десяти исходных изображений одновременно, что может использоваться для групповых портретов, виртуальной примерки и дизайна помещений. Локальные изменения можно задавать кругами, масками или нарисованными отметками. По данным Qwen, изменения архитектуры и повторное использование KV-кэша ускоряют вывод, особенно при работе с несколькими изображениями. Модель доступна через Hugging Face, GitHub и Model Scope, а также в виде демонстрации на Hugging Face. Исследовательская лицензия запрещает коммерческое применение; компаниям необходимо запросить отдельную лицензию у Qwen.
Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.