Qwen-Image-Layered：面向内在可编辑性的图层分解
2025 年 12 月 19 日，QwenTeam（由阿里云支持）发布了名为 Qwen-Image-Layered 的图像分解模型。该模型旨在通过将静态图像重新构想为可组合的 RGBA 图层，赋予图像“内在的可编辑性”。通过将图像元素物理地隔离到不同图层中，该方法实现了高保真的编辑操作，确保在独立操作某一元素时不会影响图像的其他内容。
该模型支持多种高精度编辑任务，包括对特定图层重新着色、替换图层中的特定对象（如人物性别转换）、以及修改图像内的文字内容。此外，其分层结构天然支持删除物体、无损缩放和自由移动物体等基本操作，且不会引入常见的形变或失真。Qwen-Image-Layered 具备极高的灵活性，支持生成可变数量的图层，并允许对任一图层进行递归分解，从而实现无限层级的细节细化。
2025 年 12 月 18 日，研究论文发布于 arXiv（2512.15603）；19 日，模型权重、技术博客正式上线 Hugging Face 与 ModelScope；截至 12 月 22 日，用户已可通过 Hugging Face Spaces 和 ModelScope Studio 进行在线体验。
Qwen Blog
2025 年 12 月 19 日，QwenTeam（由阿里云支持）发布了名为 Qwen-Image-Layered 的图像分解模型。该模型旨在通过将静态图像重新构想为可组合的 RGBA 图层，赋予图像“内在的可编辑性”。通过将图像元素物理地隔离到不同图层中，该方法实现了高保真的编辑操作，确保在独立操作某一元素时不会影响图像的其他内容。
该模型支持多种高精度编辑任务，包括对特定图层重新着色、替换图层中的特定对象（如人物性别转换）、以及修改图像内的文字内容。此外，其分层结构天然支持删除物体、无损缩放和自由移动物体等基本操作，且不会引入常见的形变或失真。Qwen-Image-Layered 具备极高的灵活性，支持生成可变数量的图层，并允许对任一图层进行递归分解，从而实现无限层级的细节细化。
2025 年 12 月 18 日，研究论文发布于 arXiv（2512.15603）；19 日，模型权重、技术博客正式上线 Hugging Face 与 ModelScope；截至 12 月 22 日，用户已可通过 Hugging Face Spaces 和 ModelScope Studio 进行在线体验。
Qwen Blog
