Qwen-Image-2.1 요약

Qwen-Image-2.1은 이미지 생성과 편집 기능을 통합한 고효율 오픈 소스 모델로, 7B 파라미터의 경량화된 구조를 통해 성능과 연산 효율성을 동시에 확보했습니다.

핵심 아키텍처 및 기술적 방법론

• 모델 구조: 시각 생성 컴포넌트에 32개의 Single-Stream DiT (Diffusion Transformer) layers를 적용하여 효율적인 아키텍처를 구현했습니다.
• Mixed-granularity Attention: 편집 성능을 최적화하기 위해 텍스트 입력(시스템 접두사 및 편집 지시어)에는 token-level causal mask를, 이미지 생성에는 chunk-level mask를 적용하는 혼합 입도 주의(attention) 기법을 사용합니다.
• Inference Optimization: KV cache reuse 기술을 통해 입력 이미지와 편집 지시어를 정적 컨텍스트(static context)로 계산하고 캐싱함으로써, 반복적인 연산 부담을 줄이고 추론 속도와 메모리 사용량을 대폭 개선했습니다.

주요 기능 및 성능

1. Native Transparency & Unified Creation: 별도의 모델 없이 프롬프트만으로 일반 이미지와 투명도 채널(RGBA)이 포함된 투명 이미지를 생성/편집할 수 있습니다. 이를 통해 투명 레이어 내의 피사체 추출이나 텍스트 수정이 가능합니다.
2. Versatile Editing (다목적 편집):
   • Multiple References: 최대 10개의 참조 이미지를 활용하여 복잡한 구성을 생성하거나 가상 피팅, 인테리어 디자인 등 다양한 작업에 활용할 수 있습니다.
   • Local Editing: 원, 페인트 주석, 혹은 별도의 마스크(mask) 입력을 통해 편집 영역을 유연하게 지정합니다.
   • Fidelity Preservation: 인물 식별과 제품의 텍스트, 질감, 형태 유지 능력을 강화하여 수정 과정에서도 일관성을 보존합니다.
3. Advanced Aesthetics: 타이포그래피 렌더링 성능과 인물 사진의 조명 및 디테일 처리를 개선하여 시각적 완성도를 높였습니다. 또한, 파노라마 생성, 인포그래픽 확장, 스토리보드 제작 등 다양한 특수 작업 분야에서도 뛰어난 범용성을 보입니다.

결론적으로, Qwen-Image-2.1은 컴팩트한 모델 사이즈를 유지하면서도 생성과 편집을 단일 모델로 통합하여 디자인, 이커머스, 콘텐츠 제작 등 실무 현장에서 효율적인 생산 도구로 기능하도록 설계되었습니다.