github: https://github.com/QwenLM/Qwen-Image-Layered?tab=readme-ov-file
huggingface 应用:
https://huggingface.co/spaces/Qwen/Qwen-Image-Layered
Qwen-Image-Layered 是一个专注于图像分层分解与编辑的仓库，核心功能是将输入图像分解为多个带透明通道（RGBA）的图层，从而支持对每个图层进行独立操作（如重新着色、替换内容、缩放等），实现高保真且一致的图像编辑。
核心功能
- 图像分层分解：将单张图像自动拆解为多个 RGBA 图层，每个图层物理隔离语义或结构组件（如前景物体、背景、文本等）。
- 图层独立编辑：分解后的图层可单独修改，不影响其他内容，支持重着色、替换、删除、缩放等操作。
- 便捷部署与使用：提供 Gradio 可视化界面，支持一键分解图像并导出为 PPTX 文件（方便图层编辑），以及专门的图层编辑工具。
demo
图层分解与应用
编辑第一层：
编辑第二层：
编辑第三层（修改OCR字符）：
删除层：
resize尺寸：
移动obj：
自定义分层数+further decomposition
仓库结构
Qwen-Image-Layered/ ├── LICENSE # Apache License 2.0 许可证 ├── README.md # 项目说明、快速开始及使用指南 ├── assets/ │ └── test_images/ # 测试用例图像 └── src/ ├── app.py # 启动图像分解与PPTX导出的Gradio界面 └── tool/ └── edit_rgba_image.py # 启动图层编辑的Gradio界面关键特性
- 分层表示优势：通过物理隔离图层，从根本上保证编辑的一致性（如修改某图层颜色时不影响其他内容）。
- 支持基础操作：天然适配缩放、重定位、删除等基础编辑操作，且不易失真。
- 文本提示辅助：可通过文本描述图像整体内容（包括被遮挡元素）辅助分解，但不直接控制单个图层的语义。
- 模型限制：当前权重主要优化“图像到多RGBA图层分解”任务，“文本到多RGBA图层生成”性能有限。
使用方式
环境准备：
- 需安装
transformers>=4.51.3（支持 Qwen2.5-VL） - 安装最新版
diffusers和python-pptx：pipinstallgit+https://github.com/huggingface/diffusers pipinstallpython-pptx
- 需安装
快速开始（代码示例）：
fromdiffusersimportQwenImageLayeredPipelineimporttorchfromPILimportImage pipeline=QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered")pipeline=pipeline.to("cuda",torch.bfloat16)image=Image.open("assets/test_images/1.png").convert("RGBA")inputs={"image":image,"generator":torch.Generator(device='cuda').manual_seed(777),"true_cfg_scale":4.0,"negative_prompt":" ","num_inference_steps":50,"layers":4,"resolution":640,"cfg_normalize":True,"use_en_prompt":True,}withtorch.inference_mode():output=pipeline(**inputs)fori,layerinenumerate(output.images[0]):layer.save(f"layer_{i}.png")# 保存分解后的图层可视化界面部署：
- 启动图像分解与 PPTX 导出界面：
python src/app.py - 启动图层编辑界面（基于 Qwen-Image-Edit）：
python src/tool/edit_rgba_image.py
- 启动图像分解与 PPTX 导出界面：
许可证
项目采用Apache License 2.0，允许自由使用、复制、修改和分发，但需保留原始版权信息和许可证说明。
更多细节可参考仓库的 Research Paper、Blog 或 Demo。
