无需抠图！Qwen-Image-Layered 一键分解图像图层，支持图层级精准编辑

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

复制代码

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：
  bash 复制代码
```
pip install git+https://github.com/huggingface/diffusers
pip install python-pptx
```

快速开始（代码示例）：

python 复制代码

from diffusers import QwenImageLayeredPipeline
import torch
from PIL import Image

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,
}

with torch.inference_mode():
    output = pipeline(** inputs)
for i, layer in enumerate(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：
  bash 复制代码
```
python src/app.py
```
- 启动图层编辑界面（基于 Qwen-Image-Edit）：
  bash 复制代码
```
python src/tool/edit_rgba_image.py
```

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。