Qwen-Image-Edit - Alitongyiがリリースしたオールインワン画像編集モデル

Qwen-Image-Editとは何ですか？

Qwen-Image-Editは、200億個のパラメータを持つQwen-Imageアーキテクチャをベースに構築された、汎用性の高い画像編集モデルです。このモデルは、意味的側面と視覚的側面の両方を網羅するデュアル編集機能を備えています。要素の追加、削除、変更などの低レベルの視覚編集と、IP作成、オブジェクトの回転、スタイルの転送などの高レベルの視覚的意味編集を実行できます。中国語と英語の両方のテキストの精密な編集をサポートしており、元のフォント、サイズ、スタイルを保持したまま画像内のテキストを変更できます。Qwen-Image-Editは、複数の公開ベンチマークテストで非常に優れたパフォーマンスを発揮し、最先端（SOTA）の性能を実証しています。Qwen Chatを通じて体験できます。

Qwen-Image-Edit-2509は、QwenチームによるQwen-Image-Editの最新の月次バージョンです。このモデルは複数の画像入力をサポートしており、「人物＋人物」や「人物＋シーン」といった様々な組み合わせ編集が可能で、人物、製品、テキストなどの単一画像編集の一貫性を大幅に向上させています。また、ControlNetをネイティブにサポートしているため、深度マップやエッジマップなどの画像条件を柔軟に利用でき、絵文字の作成、古い写真の修復、漫画風人形の生成など、様々なクリエイティブな用途に適しています。

Qwen-Image-Editの主な機能

• セマンティック編集元の画像の視覚的な意味の一貫性を維持しながら、画像コンテンツを変更することをサポートします。
• 外見編集この機能により、画像内の特定の領域を正確に変更することが可能になり、他の領域は変更せずに、画像内の要素を追加、削除、または変更することができます。
• 正確なテキスト編集中国語と英語のバイリンガルテキスト編集に対応しており、ユーザーは元のフォント、サイズ、スタイルを維持したまま、画像内のテキストを追加、削除、変更できます。
• 優れたベンチマークパフォーマンス複数の公開ベンチマークテストで非常に優れた性能を発揮し、最先端（SOTA）の性能を備えており、さまざまな複雑な画像編集タスクを効率的に完了できます。

Qwen-Image-Editの技術的原理

• モデルアーキテクチャQwen-Image-Editは、200億個のパラメータを持つQwen-Imageモデルをベースにさらにトレーニングされており、その強力なテキストレンダリング機能と画像生成機能を継承しています。入力画像は同時に2つのモジュールに供給されます。Qwen2.5-VLは視覚的な意味制御を処理し、画像の意味内容を理解して意味レベルの編集を実行します。VAEエンコーダーは視覚的な外観制御を処理し、画像の視覚的な詳細を正確に処理して局所的な領域の編集を可能にします。
• 意味編集と外観編集Qwen2.5-VLモジュールは、モデルが画像の全体的な意味を理解し、意味の一貫性を維持しながらコンテンツを変更することを可能にします。VAEエンコーダーモジュールは、モデルが画像の視覚的な詳細を正確に処理し、局所的な領域の追加、削除、または変更を可能にします。
• テキスト編集Qwen-Image-Editはテキストレンダリングを最適化し、画像内のテキストを正確に認識・編集できるようにします。このモデルは中国語と英語の両方をサポートしており、元のフォント、サイズ、スタイルを維持しながら、テキストの追加、削除、変更が可能です。
• 連鎖編集このモデルは連鎖編集に対応しており、段階的な調整によって複雑な画像コンテンツを微調整できます。ユーザーは変更する領域を指定でき、モデルは目的の効果が得られるまでその領域を段階的に最適化します。

Qwen-Image-Editプロジェクトのアドレス

• プロジェクト公式サイト：https://qwenlm.github.io/blog/qwen-image-edit/
• GitHubリポジトリ：https://github.com/QwenLM/Qwen-Image
• ハギングフェイスモデルライブラリ：https://huggingface.co/Qwen/Qwen-Image-Edit
• オンラインでデモを体験してください：https://huggingface.co/spaces/Qwen/Qwen-Image-Edit

Qwen-Image-Editの応用シナリオ

• クリエイティブデザイン仮想キャラクターの外観、服装、背景を迅速に生成・変更できるため、多様なオリジナルIPの制作を効率的に完了できます。
• 広告およびポスターデザインポスターのデザインをやり直すことなく、テキストの内容を直接変更したり、フォント、サイズ、色を調整したりできるため、デザイン効率が向上します。
• 映画およびビデオ制作ポストプロダクションでは、シーンの要素やキャラクターの外見を素早く調整したり、映像のスタイルをリアルなものからアニメ風のものに変更したりするのに使用できます。
• 教育と訓練歴史上の人物の肖像画や科学実験の図表など、教育用の画像や図表を迅速に作成・編集することで、教育効果を高めることができます。
• 個人向けアプリケーション背景の変更、装飾要素の追加、服装の修正など、個人の写真に素早く調整を加えることで、簡単に自分だけの写真を作成できます。