Qwen-Image-2.1, 투명 이미지를 만들고 참조 이미지 최대 10장으로 편집한다

투명도가 해결하는 문제

스티커 제작기, 생성한 스프라이트를 쓰는 게임, 제품 누끼가 필요한 쇼핑몰을 만드는 작은 팀을 떠올려 보자. 몇 달째 이미지를 생성해 왔는데, 모든 이미지가 파이프라인 끝에서 같은 문제에 부딪힌다. 배경이다. 모델은 사람이나 용이나 운동화를 배경 위에 그리고, 누군가는 그것을 오려내야 한다. 그 단계는 두 번째 모델이거나 수작업이고, 머리카락, 유리, 부드러운 그림자처럼 가장 보기 흉한 곳에서 실패한다. 설명을 위한 가상 시나리오이며 실제 회사에 대한 주장이 아니지만, 이런 파이프라인을 다뤄 본 사람은 알아볼 것이다.

9월 중순 Hugging Face에 공개된 Qwen-Image-2.1은 이 이음매를 정면으로 겨냥한다. 카드는 텍스트-이미지 생성과 이미지 편집을 통합한 모델이며 시각 생성 부분이 32층 단일 스트림 DiT로 이루어진 7B 파라미터라고 설명한다. 작성자가 든 개선점 네 가지 가운데 파이프라인을 바꾸는 것은 두 번째, 네이티브 투명도다. 카드에 따르면 한 모델로 텍스트에서 일반 또는 투명(RGBA) 이미지를 생성하고, 투명 레이어를 편집하고, 사진에서 피사체를 추출할 수 있다.

투명도를 요청할 때 카드가 말하는 것

페이지에서 가장 쓸모 있는 문장은 프롬프트 템플릿이다. 카드의 투명 이미지 예제는 이렇다. “This is an RGBA image with transparency. A cute cartoon dragon sticker. The image has alpha channel and the background is transparent.” 투명 이미지용 권장 프롬프트 형식이라고 하며, 예제는 2048×2048 출력에 추론 40단계를 지정한다. 실제로는 모델이 플래그로 전환되지 않는다는 뜻이다. 투명도는 말로 요청하며, 프롬프트 첫 문장과 알파 채널을 언급하는 마지막 문장이 약속의 일부가 된다.

이것은 결과를 수반하는 설계상의 선택이다. 프롬프트로 전환하는 방식은 같은 파이프라인이 두 종류의 이미지를 모두 만들 수 있어 유연하지만, 프롬프트가 늘 그렇듯 깨지기 쉽다. 사용자 프롬프트를 고쳐 쓰거나 스타일 접미사를 붙이거나 번역하는 팀은 모르는 사이 투명도 요청을 망가뜨릴 수 있다. 이 모델을 도입한다면 템플릿을 고정된 접두사와 접미사로 다루고, 사용자 고유의 표현이 그것을 밀어낼 때 어떻게 되는지 시험해 보자.

편집: 참조 이미지, 마스크, 주석

홍보의 후반부는 편집이다. 카드에 따르면 모델은 최대 10장의 참조 이미지를 지원하고, 국소 편집은 원, 손으로 그린 주석, 별도 마스크로 지정할 수 있으며 인물과 제품의 정체성이 유지된다. 쇼케이스에는 인물 참조 여섯 장으로 생성한 단체 사진과 네이티브 투명 이미지가 있고, 편집 예제는 일부러 단순하다. 입력 이미지와 “Change the background to a sunset beach”라는 프롬프트를 40단계로 넘긴다.

정체성 유지는 우리가 가장 세게 시험해 보고 싶은 주장이며, 카드는 이에 대한 측정을 제시하지 않는다. 모델이 얼굴이나 제품을 일관되게 유지한다고 말하기는 쉽지만, 입력 열 장, 포즈 세 가지, 다른 배경에서 해내기는 어렵다. 쓰임새가 제품 이미지라면 찾아봐야 할 실패는 작다. 어긋나는 로고, 철자가 바뀐 라벨, 살짝 틀린 스티치 무늬다. 고객이 알아채지만 쇼케이스에는 나오지 않는 오류다.

입력 처리 방식은 편집이 어디서 일어나느냐는 실무적인 질문에도 관련된다. 카드의 편집 코드는 입력을 이미지로 변환해 프롬프트와 함께, 생성을 처리하는 것과 같은 파이프라인에 넘긴다. 따로 불러올 편집 전용 모델은 없다. 작은 팀에는 실질적인 단순화다. 체크포인트 하나, 파이프라인 클래스 하나, 메모리 예산 하나다.

주변 수치

기억해 둘 만한 구체적 수치가 몇 가지 있다. 지원하는 종횡비는 프리셋으로 나열돼 있다. 1:1은 2048×2048, 4:3은 2400×1792, 3:4는 1792×2400, 3:2는 2528×1696, 2:3은 1696×2528, 16:9는 2752×1536, 9:16은 1536×2752다. 이전 오픈 모델 기준으로는 큰 이미지이며, 메모리 예산이 빠듯한 경우 카드는 enable_model_cpu_offload를 권한다. VRAM 수치는 제시하지 않으므로, 파라미터 수로 추정하기보다 배포할 카드에서 시험해 보는 것이 안전하다. 체크포인트는 BF16으로 저장돼 있다.

설치 안내에는 더 빠른 형제 모델과 같은 날카로운 모서리가 있다. 카드는 torch 2.4.0 이상, transformers 5.17 이상, accelerate, pillow, 그리고 소스 저장소에서 설치한 Diffusers를 요구한다. 서비스를 만든다면 Diffusers 커밋을 고정하고 그 변경이 릴리스에 들어오는지 지켜봐야 한다는 뜻이다. 더 빠른 Turbo 체크포인트는 8단계 스케줄에 관한 글에서 다뤘으며 같은 의존성이 있다.

채택 면에서는 페이지에 이 모델을 쓰는 Space가 100개로 표시된다. 얼마나 많은 사람이 써 봤는지 대략 알려 주는 신호이며, 그들에게 얼마나 잘 됐는지는 알려 주지 않는다.

쇼케이스 읽는 법

카드의 쇼케이스에는 설명이 붙은 이미지가 딱 두 장 있다. 네이티브 투명 이미지 생성, 그리고 인물 참조 여섯 장으로 생성한 단체 사진이다. 둘 다 대표 기능을 보여 주려고 고른 것이며 쇼케이스는 원래 그런 용도다. 둘 다 성공률이 아니라 단일 결과다. 참조 여섯 장으로 만든 단체 사진은 한 프레임에 정체성 여섯 개를 요구하므로 다중 참조 합성의 강력한 시연이지만, 여섯을 모두 맞추는 빈도는 알려 주지 않는다. 그림은 그 기능이 적어도 한 번은 작동한다는 존재 증명으로 받아들이고, 얼마나 자주 되는지는 내 테스트 세트로 확인하자. ‘할 수 있다’와 ‘보통 한다’의 차이가 곧 데모와 의존 대상의 차이다.

라이선스를 다시 한번

이 모델은 Qwen Research License Agreement로 라이선스된다. 상업적 이용 조항을 해석하지 않았으므로 계약을 요약하지 않았고, 실무적 조언은 연구용 라이선스 모델 전반과 같다. 그것에 의존하는 무언가를 팔기 전에 읽자. ‘가중치를 내려받을 수 있다’와 ‘유료 제품에 실어도 된다’는 서로 다른 말이다.

믿기 전에 시험할 것

해가 될 가능성이 큰 순서로 짧은 목록이다. 첫째, 가장자리다. 머리카락, 털, 유리, 반투명 소재가 있는 피사체를 투명 배경으로 렌더링하고, 어두운 배경, 밝은 배경, 채도 높은 색 배경 위에서 본다. 프린지는 곧바로 드러난다. 둘째, 편집을 거친 정체성이다. 제품이나 인물 사진 한 장에 다섯 가지 편집을 적용하고 세부를 비교한다. 셋째, 프롬프트 견고성이다. 투명도 템플릿을 내 제품이 덧붙이는 접두사와 접미사로 감싸고 알파 채널이 살아남는지 본다. 넷째, 실제 하드웨어에서 실제 해상도로, CPU 오프로드를 켜고 끈 상태의 메모리와 시간이다. 이 시험은 카드에 하나도 없고, 각각 카드가 답할 수 없는 질문에 답한다.

우리의 판단

디자인 도구를 만든다면 네이티브 알파와 마스크 기반 편집의 조합이 흥미롭다. 여러 도구에 걸친 단계를 하나로 합치기 때문이다. 디렉터리에서 취지가 가까운 것은 구도를 잡아 두고 모델이 렌더링하게 하는 ArtCraft 같은 도구와, 에셋이 쓰이는 하류에 있는 Figma 같은 디자인 도구다. 그래도 카드는 약속이지 시험이 아니다. 더 빠른 체크포인트는 단계 수를 주고 속도를 얻었고, 기본 모델은 속도를 주고 충실도를 얻었다. 둘 중 무엇을 원하는지는 사용자가 그림을 기다리느냐, 여럿 중에서 고르느냐에 달려 있다.

이 이미지 모델 옆의 언어 모델 계보는 Qwen 모델 출시 타임라인에 있다.

이어서 읽기

모든 글은 최신순으로 Front 블로그 목록에 있습니다.

• Qwen Image 2.1 Turbo의 8단계: Qwen Image 2.1 Turbo가 단계 수를 8로 줄인 방법.
• Blender와 Spline: 브라우저 기반 3D를 위한 일대일 비교.
• Humanizer 12B: 공개된 주장 읽기: 로컬 모델 Humanizer 12B의 주장 중 출처로 뒷받침되는 것.
• Meta Muse Spark Open 타임라인: Meta Muse Spark Open 출시를 날짜순으로 정리.
• Qwen 모델 출시 타임라인: Qwen을 Qwen-7B부터 Qwen3-Coder까지, 라이선스와 컨텍스트.

자주 묻는 질문

출처

• Qwen/Qwen-Image-2.1 model card
• Qwen/Qwen-Image-2.1-Turbo model card