图像还能这样玩？Qwen-Image-Layered带你解锁新玩法-开发者社区

图像还能这样玩？Qwen-Image-Layered带你解锁新玩法

1. 简介

我们很高兴推出Qwen-Image-Layered模型，该模型能够将图像分解为多个 RGBA 图层。这种分层表示方式解锁了内在可编辑性：每个图层可以独立操作而不会影响其他内容。通过将语义或结构组件物理隔离到不同图层中，我们的方法实现了高保真且一致的图像编辑。

与传统图像编辑技术相比，Qwen-Image-Layered 的核心优势在于其自然支持基础图像操作——如调整大小、重新定位和重新着色——在不引入失真或干扰背景的前提下完成。这使得它成为图像创作、设计迭代和视觉内容生成的理想工具。

更重要的是，该模型具备灵活的层级控制能力，支持可变层数分解，并允许对任意图层进行递归再分解，从而实现更精细的内容操控。

2. 快速开始

2.1 环境准备

在使用 Qwen-Image-Layered 前，请确保满足以下依赖条件：

Python ≥ 3.9
PyTorch ≥ 2.0
transformers≥ 4.51.3（需支持 Qwen2.5-VL）
最新版diffusers

执行以下命令安装所需库：

pip install git+https://github.com/huggingface/diffusers pip install python-pptx

2.2 启动 ComfyUI 接口

若您希望通过图形化界面操作，可进入 ComfyUI 目录并启动服务：

cd /root/ComfyUI/ python main.py --listen 0.0.0.0 --port 8080

访问http://<your-server-ip>:8080即可在浏览器中使用可视化工作流进行图像分层与编辑。

2.3 编程调用示例

以下是使用QwenImageLayeredPipeline进行图像分层的核心代码片段：

from diffusers import QwenImageLayeredPipeline import torch from PIL import Image # 加载预训练模型 pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered") pipeline = pipeline.to("cuda", torch.bfloat16) pipeline.set_progress_bar_config(disable=None) # 输入图像 image = Image.open("asserts/test_images/1.png").convert("RGBA") # 配置参数 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, # 分解为4个图层 "resolution": 640, # 推荐分辨率桶：640 或 1024 "cfg_normalize": True, # 是否启用 CFG 归一化 "use_en_prompt": True, # 自动生英文提示词（若未提供） } # 执行推理 with torch.inference_mode(): output = pipeline(**inputs) output_images = output.images[0] # 获取分解后的图层列表 # 保存各图层 for i, layer_image in enumerate(output_images): layer_image.save(f"layer_{i}.png")

说明：
layers参数控制输出图层数量，可根据场景需求设置为 3~8。
resolution决定处理分辨率，当前版本推荐使用 640。
输出为 RGBA 格式的 PIL 图像列表，每个图层包含透明通道，便于后续合成与编辑。

3. 核心功能与应用案例

3.1 分层解构：实现物理级内容隔离

Qwen-Image-Layered 能自动将输入图像分解为多个具有语义意义的图层。例如，一张包含人物、文字和背景的海报会被拆分为： - 图层 0：前景人物 - 图层 1：标题文字 - 图层 2：装饰元素 - 图层 3：背景图案

由于每个图层在像素层面相互独立，任何修改都仅作用于目标图层，从根本上避免了“编辑污染”问题。

3.2 独立编辑：精准操控单一层级

▶ 重新着色

我们可以单独对首层（如人物服装）进行颜色替换，而不影响其余部分：

此操作可通过简单的色彩映射或结合 Qwen-Image-Edit 实现风格化重绘。

▶ 内容替换

将第二层中的“女孩”替换为“男孩”，只需对该图层调用图像编辑模型即可：

得益于图层的语义清晰性，无需复杂遮罩即可完成精准替换。

▶ 文本更新

原始图像中的文本位于独立图层，因此可以直接修改为“Qwen-Image”：

这对于品牌宣传材料、广告文案等高频更新场景极具价值。

3.3 基础图像操作：无损变换

▶ 删除对象

对于不需要的对象（如水印、临时标识），可直接删除对应图层：

操作后剩余图层自动合成完整图像，背景无缝保留。

▶ 调整大小

可在不失真的情况下自由缩放特定图层：

得益于图层本身的高分辨率表示和透明边缘处理，缩放后仍保持锐利边界。

▶ 移动位置

图层可在画布内自由拖动，实现布局重构：

这一特性特别适用于 A/B 测试版式设计、多语言排版适配等任务。

4. 高级特性：灵活与可扩展的分层机制

4.1 可变层数分解

Qwen-Image-Layered 不强制固定图层数量。用户可根据实际需要指定layers参数，例如：

简单图像 → 3 层（背景 + 主体 + 文字）
复杂场景 → 8 层（天空、建筑、行人、车辆、招牌、灯光、阴影、装饰）

动态层数设计提升了模型在多样化应用场景下的适应能力。

4.2 递归分解：无限细化可能

更进一步地，任一图层本身也可以作为输入再次进行分层分解。例如，将“人物”图层进一步拆分为头发、面部、上衣、下装等子图层：

这种分形式编辑架构为精细化控制提供了无限可能性，尤其适合角色定制、服装设计、动画制作等领域。

5. 许可与引用

5.1 开源许可

Qwen-Image-Layered 采用Apache 2.0开源许可证，允许商业用途、修改与分发，同时保障开发者权益。

详细条款请参阅官方仓库 LICENSE 文件。

5.2 学术引用

如果您在研究或项目中使用了 Qwen-Image-Layered，欢迎引用以下 BibTeX 条目：

@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}, }

6. 总结

Qwen-Image-Layered 通过创新的图像分层机制，重新定义了数字图像的可编辑性边界。它不仅实现了语义级别的内容分离，还天然支持高保真基础操作，包括重着色、重定位、缩放、删除与替换。

其两大核心优势——物理隔离编辑与递归可扩展结构——使其在广告设计、内容创作、UI/UX 迭代、虚拟形象构建等多个领域展现出巨大潜力。

随着更多生态工具（如 ComfyUI 插件、Photoshop 扩展）的集成，Qwen-Image-Layered 正逐步成为下一代智能图像编辑基础设施的关键组件。

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

图像还能这样玩？Qwen-Image-Layered带你解锁新玩法