Alibaba prezentuje Qwen-Image-2.1: otwarty model AI do generowania i edycji obrazów

Zespół Qwen AI firmy Alibaba zaprezentował Qwen-Image-2.1, otwarty model przeznaczony do generowania i edycji obrazów. Mimo stosunkowo niewielkiej liczby 7 miliardów parametrów, jego twórcy twierdzą, że komponent wizualny przewyższa większość zamkniętych modeli w wewnętrznych testach porównawczych Qwen, choć niezależne weryfikacje tych wyników są jeszcze w toku. Model ten jest zdolny do działania na popularnych konsumenckich kartach graficznych, takich jak NVIDIA GeForce RTX 3090.

Kluczowe możliwości i innowacje

Qwen-Image-2.1 wyróżnia się natywną zdolnością do generowania i edycji przezroczystych obrazów (RGBA). Dzięki temu użytkownicy mogą z łatwością izolować obiekty lub modyfikować tekst na przezroczystych warstwach. Model potrafi przetwarzać jednocześnie do dziesięciu obrazów referencyjnych, co jest szczególnie przydatne w zastosowaniach takich jak:

• tworzenie portretów grupowych
• wirtualne przymierzanie ubrań
• projektowanie wnętrz.

Lokalne edycje mogą być precyzyjnie kierowane za pomocą kół, masek lub malowanych oznaczeń. Zespół Qwen podkreśla, że zmiany w architekturze oraz ponowne wykorzystanie pamięci KV cache znacząco przyspieszają wnioskowanie, zwłaszcza w scenariuszach wymagających wielu obrazów referencyjnych.

Dostępność i licencjonowanie

Model Qwen-Image-2.1 jest dostępny dla społeczności na platformach takich jak Hugging Face, GitHub i Model Scope. Na Hugging Face dostępna jest również wersja demonstracyjna, umożliwiająca przetestowanie możliwości modelu. Należy jednak pamiętać, że obecna licencja badawcza zabrania komercyjnego wykorzystania modelu. Firmy i użytkownicy biznesowi zainteresowani komercyjnym zastosowaniem Qwen-Image-2.1 muszą ubiegać się o osobną licencję bezpośrednio u zespołu Qwen.

Premiera Qwen-Image-2.1 przez Alibabę stanowi istotny krok w kierunku demokratyzacji zaawansowanych narzędzi do generowania obrazów. Udostępnienie otwartego modelu o tak obiecujących możliwościach, działającego na konsumenckim sprzęcie, może przyspieszyć innowacje w dziedzinie sztucznej inteligencji wizualnej i otworzyć nowe perspektywy dla twórców i deweloperów na całym świecie. Warto będzie obserwować, jak model ten poradzi sobie w niezależnych testach i jakie zastosowania znajdzie w praktyce.

Źródło: the-decoder.com