智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯(lián)網
3D打印
工業(yè)軟件
回放
品牌
SICK
8月5日凌晨，阿里通義千問宣布開源Qwen-Image，一個20B的MMDiT模型。
這是通義千問系列中首個圖像生成基礎模型，其在復雜文本渲染和精確圖像編輯方面取得顯著進展。
據(jù)了解，該模型專注于提升AI在兩大核心場景的能力：復雜的文本渲染與精準的圖像編輯。
功能亮點：
強大的文字渲染能力（本次開源）
效果優(yōu)勢：在多個文本測評榜單中，文字渲染均獲得SOTA。
原生渲染：文字是圖像生成時直出的，而非后期添加，效果更真實。
功能全面：支持中英雙語，多變字體，超長段落，超小文字，并可實現(xiàn)復雜的多位置圖文布局。
基礎扎實：除了文字，模型在人物情緒、細節(jié)刻畫和多樣的風格渲染上也同樣表現(xiàn)出色。
精準的圖像編輯能力（即將發(fā)布）
效果穩(wěn)定：多個圖像編輯測評榜單SOTA。
鏈式編輯：在多輪連續(xù)修改后，仍能保持主體ID的一致性。
文字編輯：可以編輯圖像中的文字。
復雜編輯：可編輯人物姿勢，提取圖像紋理等。
通義千問在多個公開基準上對Qwen-Image進行全面評估，包括用于通用圖像生成的GenEval、DPG和OneIG-Bench，以及用于圖像編輯的GEdit、ImgEdit和GSO。
Qwen-Image在所有基準測試中均取得了先進的性能，展現(xiàn)出其在圖像生成與圖像編輯方面的強大能力。
此外，在用于文本渲染的LongText-Bench、ChineseWord和TextCraft上的結果表明，Qwen-Image在文本渲染方面表現(xiàn)尤為出色。
除了文本處理，Qwen-Image在通用圖像生成方面也表現(xiàn)出色，支持多種藝術風格。
在圖像編輯方面，Qwen-Image支持風格遷移、增刪改、細節(jié)增強、文字編輯，人物姿態(tài)調整等多種操作，讓普通用戶也能輕松實現(xiàn)專業(yè)級圖像編輯。
原標題：首個圖像生成基礎模型 阿里通義千問深夜開源Qwen-Image 支持中英雙語
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
