大家好，我是 Ai 学习的老章
通义千问团队最近放了个大招——Qwen-Image-Layered，一个可以把普通图片分解成多个 RGBA 图层的模型。这玩意儿干嘛的？简单说，就是把设计师在 Photoshop 里手动拆图层的活儿，交给 AI 自动干了。更重要的是，完全开源，Apache 2.0 协议，可以放心用！
简介
我们知道，现在的 AI 图像生成和编辑模型有个很烦人的问题：图片是「打成一片」的。你想改个背景，结果人脸也跟着变了；想调整前景位置，背景也跟着歪了。这就是「栅格图像纠缠问题」——所有内容都融在一张画布上，牵一发而动全身。
而设计师们用的专业工具（比如 Photoshop）早就解决了这个问题——用图层！每个元素单独一层，想改哪个改哪个，互不干扰。Qwen-Image-Layered 就是把这个专业工作流 AI 化了。
核心功能与特点：
原生 RGBA 图层分解：输入一张普通图片，输出物理隔离的多个 RGBA 透明图层，每层可独立编辑 可变图层数量：支持 3-10 层任意指定，从粗略布局到细粒度细节都能搞定 无限递归分解：任意图层都可以继续往下拆，支持无限深度的层层嵌套 多格式导出：支持导出为 PPTX、ZIP 和 PSD 格式，方便在各种设计软件中编辑 端到端扩散模型：基于改进的 MMDiT 架构，一次生成完成分解
技术上，Qwen-Image-Layered 引入了三个核心组件：
RGBA-VAE：统一 RGB 和 RGBA 图像的潜在表示 VLD-MMDiT：可变层数分解架构，能处理不同数量的图层输出 多阶段训练策略：从预训练模型微调成图层分解器
数据方面也很有意思——团队直接从 PSD 源文件中提取和标注多层图像数据，这比合成数据质量高太多了。
安装
确保你的 transformers >= 4.51.3（支持 Qwen2.5-VL），然后安装最新版 diffusers：
pip install git+https://github.com/huggingface/diffusers
pip install python-pptx
pip install psd-tools
使用
快速上手非常简单，几行代码搞定：
from diffusers import QwenImageLayeredPipeline
import torch
from PIL import Image
pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered")
pipeline = pipeline.to("cuda", torch.bfloat16)
pipeline.set_progress_bar_config(disable=None)
image = Image.open("test.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,
"num_images_per_prompt": 1,
"layers": 4, # 指定分解成 4 层
"resolution": 640, # 推荐使用 640 分辨率
"cfg_normalize": True,
"use_en_prompt": True, # 自动生成英文描述
}
with torch.inference_mode():
output = pipeline(**inputs)
output_image = output.images[0]
for i, image in enumerate(output_image):
image.save(f"{i}.png")
参数说明：
layers：指定分解成几层，支持 3-10 层resolution：推荐用 640，也支持 1024文本提示用于描述整张图的内容（包括被遮挡的部分），不是用来控制单个图层内容的
项目还提供了 Gradio Web 界面，可以直接体验分解和编辑：
# 启动图层分解界面
python src/app.py
# 启动单层编辑界面（配合 Qwen-Image-Edit）
python src/tool/edit_rgba_image.py
# 合并编辑后的图层
python src/tool/combine_layers.py
另外，vLLM-Omni 已经支持 Qwen-Image-Layered 的部署，生产环境可以直接用，我直接详细介绍过：
实际效果展示
分解完图层后，编辑就变得极其丝滑了：
改颜色不影响其他内容：
替换人物（配合 Qwen-Image-Edit）：
修改文字：
删除不想要的物体：
无损缩放和移动：
这些操作在传统的图像编辑模型里都是「炼丹」级别的难度，现在直接变成了简单的图层操作！
个人看法
说实话，看到这个项目的时候我眼前一亮。之前各种 inpainting、image editing 模型，本质上都是在「猜」编辑后应该长什么样，一致性问题一直是老大难。而 Qwen-Image-Layered 换了个思路——先把图拆开，再让你自己编辑单层，最后合回去。这不就是设计师的标准工作流吗？
优点：
开源诚意足：Apache 2.0 协议，代码和权重全开放 思路新颖：把「编辑」问题转化为「分解+重组」问题，从根本上保证了编辑一致性 实用性强：支持导出 PSD，可以无缝衔接到设计师的工作流 部署友好：vLLM-Omni 已支持，生产环境能用
局限：
目前权重主要针对「图像转多层 RGBA」任务微调，虽然支持文本条件，但「文本直接生成多层图像」的效果有限 显存需求应该不低（用的是 bfloat16 精度） 分解质量依赖于输入图像的内容结构
这个项目对于需要做图像编辑、图像合成、广告素材制作的场景来说，绝对值得一试。配合 Qwen-Image-Edit 一起用，基本上就是个开源的「AI 版 Photoshop」的雏形了。
资源汇总
🤗 Hugging Face：https:///Qwen/Qwen-Image-Layered 🧩 ModelScope：https:///models/Qwen/Qwen-Image-Layered 💻 GitHub：https://github.com/QwenLM/Qwen-Image-Layered 📝 博客：https:///blog?id=qwen-image-layered 📄 技术报告：https:///abs/2512.15603 🚀 Demo（HF）：https:///spaces/Qwen/Qwen-Image-Layered 🚀 Demo（ModelScope）：https:///studios/Qwen/Qwen-Image-Layered
制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个🌟，谢谢你看我的文章，我们下篇再见！