Qwen-Image-Layered 是阿里通义千问开源的 AI 模型，可把单张照片一键拆成带透明通道的独立图层，让“零 PS 基础”的用户也能像专业设计师一样精准改图。
1 主要功能
-
自动分层：输入任意单张静态照片，模型输出若干 RGBA 图层，人物、背景、道具各自独立。
-
无损编辑：可对任意图层单独缩放、位移、换色、删除或替换，其余部分像素级保留。
-
可重复细分：对已有图层再次运行模型，可继续拆出更精细子图层，实现“无限套娃”式精修。
-
透明通道保留：每层自带 Alpha 通道，直接拖进 Photoshop、Figma、After Effects 等软件即可二次创作。
-
开源推理代码：提供 PyTorch 权重、Gradio 在线 Demo 和一键脚本，支持本地 GPU / CPU 推理。
2 技术原理
-
基于 Transformer 的语义分割骨干网络，先对图像做全景实例级分割。
-
引入“分层注意力”模块，在网络深层为每个潜在图层生成软掩膜（Soft Mask）。
-
使用 RGBA 合成损失 + 图层顺序损失联合训练，确保拆分顺序与真实 Photoshop 图层一致。
-
采用“可重复掩膜细化”策略，同一图层可迭代送入模型继续细分，无需重新训练。
-
训练数据：2000 万张“图像-图层”对，涵盖人像、电商、动漫、室内室外四大场景。
3 应用场景
-
电商作图：把商品、模特、背景拆层后，批量换色、换季节风格，节省外包美工费用。
-
短视频创作：图层直接导入 AE 做动态漫画、人物浮空等特效，无需绿幕拍摄。
-
摄影后期：快速实现“换天空”“去路人”“局部调色”，保留发丝级细节。
-
游戏 UI：将原画拆分为角色、武器、特效层，方便引擎内做装备幻化预览。
-
AI 数据生产：为图像生成模型提供高质量分层训练数据，提升可控生成效果。
4 使用方法
-
环境准备：Python≥3.8，PyTorch≥2.0，CUDA≥11.7（可选）。
-
下载权重：在 Hugging Face 或 ModelScope 搜索 Qwen-Image-Layered，克隆仓库。
-
安装依赖：pip install -r requirements.txt，下载约 2.3 GB 模型权重。
-
一键分层：python infer.py --input photo.jpg --output ./layers，平均 5 秒出图。
-
在线体验：无需安装，直接访问官方 Gradio Demo，上传图片即可下载图层 ZIP 包。
5 适用人群
-
不会 Photoshop 的运营、学生、自媒体博主。
-
需要批量出图的外贸、跨境电商美工团队。
-
视觉特效、动画、游戏公司的预研或原型组。
-
研究可控图像编辑、图层生成的算法工程师与高校实验室。
6 优缺点介绍 优点
-
零门槛：无需手动抠图，一键出图层，小白也能 3 分钟做海报。
-
精度高：发丝、镂空物体边缘保留完整，Alpha 边缘误差 < 2 px。
-
可迭代：同一图层可无限再细分，精度随需求线性提升。
-
全开源：权重、代码、训练脚本全公开，可自由商用（Apache-2.0）。
缺点
-
显存占用：4K 图峰值显存约 9 GB，老显卡需降分辨率运行。
-
复杂场景误判：多层重叠透明物体（酒杯、婚纱）可能出现图层顺序错误。
-
无矢量输出：目前仅生成位图图层，文字边缘放大后仍有锯齿。
-
中英提示依赖：细分再分层时需输入简短提示词，中文提示效果略逊于英文。
7 分类标签 图像编辑、AI 抠图、图层分离、开源模型、电商美工、短视频特效
Hunyuan-DiT 是腾讯开源的一款强大的多分辨率扩散变换器（Diffusion Transformer），具备精细的中文理解能力。该模型旨在探索文本到图像的生成，支持中英文双语输入，并能够进行多轮对话式图像生成。