تحتاج الفرق الإبداعية كثيرًا إلى الجمع بين عدة مراجع، والحفاظ على هوية شخص أو منتج، وتحديث النص من دون إعادة بناء الصورة من الصفر. يجمع Qwen-Image-Edit-Plus، الذي صدر أيضًا باسم Qwen-Image-Edit-2509، هذه المهام في سير عمل واحد قائم على الموجّهات.
بُني نموذج MMDiT هذا، الذي يضم 20B من المعلمات، على Qwen-Image، وصُمم للمسوّقين والمصممين وفرق التجارة الإلكترونية وصنّاع المحتوى الذين يحتاجون إلى تحكم أدق في تركيب الصور المتعددة والتعديلات الموضعية.
لماذا Qwen-Image-Edit-Plus؟
يفيد توليد الصور في استكشاف الأفكار، لكن الإنتاج يتطلب قابلية التكرار: يجب أن يبقى الشخص والمنتج والتخطيط والنص الصحيح كما هو خلال كل مراجعة. يركّز Qwen-Image-Edit-Plus على التحرير المنضبط عالي الدقة، كي تتمكن الفرق من التكرار من دون فقدان العناصر الناجحة.
أبرز المزايا
- مراجعات أدق: نفّذ تعديلًا مستهدفًا أو تحويلًا أوسع مع إبقاء الموجّه مركّزًا على التغيير المقصود.
- تحرير نص ثنائي اللغة: عدّل النصوص الصينية والإنجليزية، إلى جانب الخط واللون وخصائص الخامة.
- اتساق أقوى: حافظ على الأشخاص والمنتجات القابلة للتعرّف عبر أوضاع وأنماط ومشاهد ومواد حملات جديدة.
القدرات الأساسية
- تحرير صور متعددة: ادمج مراجع مثل شخص + شخص، أو شخص + منتج، أو شخص + مشهد. استخدم من صورة واحدة إلى ثلاث صور إدخال لأفضل نتيجة.
- اتساق الأشخاص: حافظ على هوية الوجه عند تغيير أسلوب الصورة الشخصية أو الوضعية.
- اتساق المنتجات: حافظ على هوية المنتج عند إنشاء الملصقات ومواضع العرض ونسخ الحملات.
- اتساق النص: غيّر المحتوى والخط واللون والخامة مع الحفاظ على التصميم المحيط.
اختيار وضع التحرير المناسب
من أهم ابتكارات النموذج أنه يقدّم نهجين لتحرير الصور.
-
التحرير على مستوى المظهر مخصص للتغييرات الدقيقة منخفضة المستوى. يشبه inpainting احترافيًا: يطبّق تعديلًا محددًا مع إبقاء كل المناطق الأخرى من الصورة بلا تغيير. وهو مثالي لإزالة عنصر أو إضافة عنصر جديد أو تصحيح عيب.
-
التحرير على المستوى الدلالي مخصص للتحويلات الإبداعية عالية المستوى. يمكن للنموذج إجراء تغييرات أوسع على وحدات البكسل ما دام يحافظ على المعنى والمحتوى الأساسيين. ويناسب نقل الأسلوب وتدوير العناصر وإنشاء محتوى ملكية فكرية يختلف أسلوبيًا عن الأصل مع بقائه متسقًا معه دلاليًا.
كيف يعمل سير الصور المتعددة؟
تكمن قوة Qwen-Image-Edit-Plus في واجهته البديهية القائمة على الموجّهات. إليك مثالًا عمليًا والموجّه المستخدم فيه.
مثال: تركيب صورة من ثلاثة مراجع
الهدف: إنشاء صورة أزياء تجمع شخصًا وفستانًا ووضعية من ثلاثة مراجع منفصلة.
- ارفع الصور المرجعية:
- الصورة 1: صورة شخصية لفتاة.
- الصورة 2: صورة لفستان أسود.
- الصورة 3: عارضة في وضعية محددة.
- اشرح طريقة الجمع بينها:
In the style of a fashion photo, create an image of the girl from Image 1, wearing the black dress from Image 2, and in the pose from Image 3.
ابدأ بتعديل محدد
ابدأ بهدف واضح وبصورة إلى ثلاث صور مرجعية قوية. حدّد ما ينبغي تغييره، وما يجب إبقاؤه، والنتيجة البصرية المطلوبة. بعد ضبط التركيب، حسّن النص واللون والإضاءة والخامات في جولات منفصلة.
