告别修图翻车！阿里 Qwen 团队 & 港科大提出 Qwen-Image-Layered ，面向内在可编辑性的图层分解
论文标题：Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition
作者团队：香港科技大学、阿里巴巴
发布时间：2025 年 12 月 17 日
论文链接
大模型实验室 Lab4AI 论文阅读
Lab4AI 平台提供 AI 导读和 AI 翻译等工具，辅助论文阅读。
✨ 背景
当前视觉生成模型在图像编辑时面临一致性挑战：传统光栅图像是平面且内容纠缠的，编辑操作易引发语义漂移、几何错位等问题；专业设计工具依赖分层表示实现编辑一致性，但现有方法在复杂场景下难以将图像分解为高质量、语义解耦的层，导致编辑精度与灵活性不足。
✨ 研究内容
论文推出 Qwen-Image-Layered，这是一款能够将图像分解为多个 RGBA 图层的模型。这种分层表示赋予了图像内在的可编辑性：每个图层都可以独立操作，而不会影响其他内容。
同时，这种分层结构天然支持高保真的基本编辑操作，例如缩放、移动和重新着色。
通过将不同元素物理地隔离到不同的图层中，我们的方法实现了高保真的编辑效果。
