Alibaba mở nguồn Qwen-Image-2.1 hỗ trợ ảnh trong suốt nguyên bản và 10 ảnh tham chiếu
Nhóm Qwen của Alibaba đã mở mã nguồn Qwen-Image-2.1, một mô hình 7B tham số hợp nhất cho cả tạo và chỉnh sửa hình ảnh. Phiên bản mới này nổi bật với khả năng tạo lớp ảnh trong suốt nguyên bản (RGBA), cải thiện khả năng hiển thị chữ đa ngôn ngữ và hỗ trợ tới 10 ảnh tham chiếu trong các tác vụ chỉnh sửa. Bằng cách kết hợp khả năng tạo ảnh từ văn bản, chỉnh sửa cục bộ và tính năng trong suốt nguyên bản vào một mô hình 7B nhỏ gọn, Qwen-Image-2.1 đơn giản hóa quy trình thiết kế đồ họa khi triển khai cục bộ. Mô hình giúp giảm đáng kể chi phí tính toán đồng thời cho phép nhà sáng tạo tạo ngay các thành phần đồ họa mà không cần công cụ tách nền bên ngoài. Kiến trúc mô hình tận dụng cơ chế chú ý độ mịn hỗn hợp (mixed-granularity attention) và tái sử dụng bộ đệm KV để xử lý ảnh tham chiếu dưới dạng ngữ cảnh tĩnh, giúp tối ưu dung lượng bộ nhớ và tốc độ suy luận. Tuy nhiên, cộng đồng lưu ý rằng Qwen-Image-2.1 đi kèm với giấy phép tùy chỉnh nghiêm ngặt hơn so với giấy phép Apache 2.0 của các phiên bản Qwen trước đó.
## KIẾN THỨC NỀN
Các mô hình khuếch tán tạo ảnh thông thường chỉ tạo ra ảnh phẳng định dạng RGB, đòi hỏi các thuật toán xử lý riêng biệt (như tách nền hay tách lớp) để tạo ra tệp PNG trong suốt. Các mô hình hỗ trợ tính năng trong suốt nguyên bản tích hợp dự đoán kênh alpha trực tiếp vào quá trình khuếch tán, cho phép mạng Nơ-ron xuất trực tiếp các phần tử tiền cảnh tách biệt hoặc chỉnh sửa các lớp ảnh với độ chính xác cao hơn.