ViT一作盛赞！通义千问开源Qwen-Image-Layered：让AI绘图进入PS图层时代 | AI资讯

type

status

date

slug

summary

引言：AI生图的“最后一公里”终于被打通了

在AI绘画领域，我们曾长期受困于“一图定生死”的窘境。无论是Midjourney还是DALL-E，生成的图片即便只有一处微小的瑕疵，用户往往也只能推倒重来，难以进行局部精细化调整。然而，这一僵局最近被阿里通义千问团队发布的开源模型 Qwen-Image-Layered 彻底打破。

这款被誉为开源界“PS模型”的新作，不仅让ViT（Vision Transformer）核心作者、Meta超级智能团队成员Lucas Beyer连发三推盛赞，更是在社交媒体上引发了轰动。Lucas Beyer直言，这才是图像生成的“正确打开方式”。对于关注 AI资讯 和 AI新闻 的开发者来说，Qwen-Image-Layered的出现，标志着AI图像处理正式从“像素生成”跨越到了“图层编辑”的新阶段。

想要了解更多前沿 AI 技术动态和 大模型 深度解析，欢迎访问 AI门户。

核心能力：从“一整张图”到“RGBA图层自由”

Qwen-Image-Layered最令人惊艳的能力在于其强大的“拆图”本领。不同于以往只能生成扁平RGB图像的模型，它能够将一张普通的图片分解为多个包含透明度信息的 RGBA分离图层。

这意味着，AI生成的不再是一张“死图”，而是一个类似Photoshop工程文件的多图层集合。模型可以根据画面内容的复杂度，自动将背景、主体人物、装饰物、文字等元素拆分到不同的层级中。这种精细化的拆解，为后续的二次编辑提供了无限可能。

实战应用：像用PS一样修改AI生成的图片

有了Qwen-Image-Layered，用户可以实现真正意义上的“精准手术式”修改。以下是该模型在实际应用中的几个核心场景：

背景替换而不伤主体：你可以只修改背景图层的颜色或内容，而保持主体人物完全不动。

局部元素替换：在保持构图不变的前提下，将长发女孩换成短发，或者更换画面中的特定装饰。

文字幻觉的终结者：AI生图最怕文字出错。现在，你可以单独提取文字图层进行修改，哪怕原始生成有误，也能轻松修正。

自由缩放与删除：支持在不拉伸、不失真的情况下调整元素大小，或者直接删除画面中多余的物体。

这种“无限分解”的能力，让模型甚至可以将人物一路拆解到线稿层，极大地提升了生产力。

技术解密：端到端扩散模型与RGBA-VAE的魔法

为什么Qwen-Image-Layered能做到Nano Banana做不到的事情？其核心在于一套创新的端到端扩散模型架构。

RGBA-VAE设计：传统的图片只有RGB三通道，而图层编辑需要Alpha（透明度）通道。通义千问团队专门设计了四通道的RGBA-VAE，将RGB输入和RGBA输出统一压缩在隐藏空间中，使模型从底层逻辑上“读懂”透明度。

Transformer-VLD-MMDiT：该结构能根据图片复杂度动态决定拆层数量，不再受固定层数的限制。

Layer3D RoPE（三维位置编码）：通过给不同图层打上明确的层级标签，模型能够清晰分辨空间顺序，有效避免了图层重叠时的遮挡错误。

相比于传统的“分割+修复”方案，这种端到端的方法能够更好地处理复杂遮挡和半透明区域，确保语义分离得干干净净。

结论：开源力量推动AGI视觉创作新范式

Qwen-Image-Layered的开源，不仅是技术上的突破，更是对AI创作流程的一次重塑。它证明了中国开源模型在视觉理解与生成领域的深厚积淀。正如Lucas Beyer所言，这种具备图层意识的模型方向，正是未来 AGI 发展的关键路径之一。

对于广大设计师、开发者和AI爱好者来说，Qwen-Image-Layered无疑是一个强大的生产力工具。它降低了专业图像编辑的门槛，让“人人都是修图大师”成为可能。

如果你想持续获取关于 openai, chatGPT, claude 以及更多 人工智能 领域的深度干货和 AI日报，请锁定 AIGC.bar，获取最新的 提示词 技巧与 AI变现 指南。