/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen-Image
Библиотека
diffusers
Опубликована
17 дек 2025

Qwen-Image-Layered

Генерация изображенийИзображение, текст → изображение3 профессии

Модель раскладывает изображение на редактируемые RGBA-слои для независимого изменения отдельных объектов и элементов композиции.

71 428скачиваний за 30 дней1 173лайкавеса обновлены19 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Qwen-Image-Layered — модель на базе Qwen-Image, предназначенная для разложения изображения на несколько RGBA-слоёв. Каждый слой отделяет отдельные смысловые или структурные элементы, чтобы их можно было независимо редактировать, перемещать, масштабировать, перекрашивать или удалять, сохраняя остальное содержимое изображения.

Модель поддерживает разложение на переменное число слоёв и повторное разложение отдельных слоёв. Она предназначена для редактирования изображений с сохранением согласованности между изменениями и может использоваться как этап подготовки изображения к дальнейшей обработке. Карточка указывает поддержку английского и китайского языков; модель распространяется в форматах Diffusers и Safetensors под лицензией Apache-2.0.

Сценарии применения

  • разложение изображения на отдельные RGBA-слои
  • подготовка изображения к редактированию отдельных объектов
  • перемещение объектов на изображении
  • изменение размера объекта без искажения
  • перекрашивание отдельного элемента изображения
  • удаление нежелательного объекта

Ограничения

Для запуска README указывает требование transformers версии 4.51.3 или новее. Для редактирования содержимого отдельных слоёв в примерах используется дополнительная модель Qwen-Image-Edit.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Introduction

We are excited to introduce Qwen-Image-Layered, a model capable of decomposing an image into multiple RGBA layers. This layered representation unlocks inherent editability: each layer can be independently manipulated without affecting other content. Meanwhile, such a layered representation naturally supports high-fidelity elementary operations-such as resizing, reposition, and recoloring. By physically isolating semantic or structural components into distinct layers, our approach enables high-fidelity and consistent editing.

Quick Start

  1. Make sure your transformers>=4.51.3 (Supporting Qwen2.5-VL)

  2. Install the latest version of diffusers

pip install git+https://github.com/huggingface/diffusers
pip install python-pptx
from diffusers import QwenImageLayeredPipeline
import torch
from PIL import Image

pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered")
pipeline = pipeline.to("cuda", torch.bfloat16)
pipeline.set_progress_bar_config(disable=None)

image = Image.open("asserts/test_images/1.png").convert("RGBA")
inputs = {
    "image": image,
    "generator": torch.Generator(device='cuda').manual_seed(777),
    "true_cfg_scale": 4.0,
    "negative_prompt": " ",
    "num_inference_steps": 50,
    "num_images_per_prompt": 1,
    "layers": 4,
    "resolution": 640,      # Using different bucket (640, 1024) to determine the resolution. For this version, 640 is recommended
    "cfg_normalize": True,  # Whether enable cfg normalization.
    "use_en_prompt": True,  # Automatic caption language if user does not provide caption
}

with torch.inference_mode():
    output = pipeline(**inputs)
    output_image = output.images[0]

for i, image in enumerate(output_image):
    image.save(f"{i}.png")

Showcase

Layered Decomposition in Application

Given an image, Qwen-Image-Layered can decompose it into several RGBA layers: Example Image

After decomposition, edits are applied exclusively to the target layer, physically isolating it from the rest of the content, and thereby fundamentally ensuring consistency across edits.

For example, we can recolor the first layer and keep all other content untouched: Example Image

We can also replace the second layer from a girl to a boy (The target layer is edited using Qwen-Image-Edit): Example Image

Here, we revise the text to "Qwen-Image" (The target layer is edited using Qwen-Image-Edit): Example Image

Furthermore, the layered structure naturally supports elemetary operations. For example, we can delete unwanted objects cleanly: Example Image

We can also resize an object without distortion: Example Image

After layer decomposition, we can move objects freely within the canvas: Example Image

Flexible and Iterative Decomposition

Qwen-Image-Layered is not limited to a fixed number of layers. The model supports variable-layer decomposition. For example, we can decompose an image into either 3 or 8 layers as needed:

Example Image

Moreover, decomposition can be applied recursively: any layer can itself be further decomposed, enabling infinite decomposition.

Example Image

License Agreement

Qwen-Image-Layered is licensed under Apache 2.0.

Citation

We kindly encourage citation of our work if you find it useful.

@misc{yin2025qwenimagelayered,
      title={Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition}, 
      author={Shengming Yin, Zekai Zhang, Zecheng Tang, Kaiyuan Gao, Xiao Xu, Kun Yan, Jiahao Li, Yilei Chen, Yuxiang Chen, Heung-Yeung Shum, Lionel M. Ni, Jingren Zhou, Junyang Lin, Chenfei Wu},
      year={2025},
      eprint={2512.15603},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2512.15603}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Задача «image-text-to-image» пока не поддерживается рантаймом.

Ревизия весов
8f0ca70

0 моделей