- Modèle de génération d’images de nouvelle génération, il met en œuvre une architecture unifiée intégrant génération et édition de texte et d’images
- Prend en charge des instructions de 1k tokens, permettant de générer directement des infographies complexes comme des PPT, des posters ou des bandes dessinées
- Réalise à la fois des descriptions réalistes détaillées en résolution 2K et un rendu de texte précis
- Grâce à un allègement du modèle, il accélère l’inférence et obtient d’excellentes performances sur les benchmarks texte-vers-image et image-vers-image
- Avec cinq caractéristiques clés — précision (准), complexité (多), esthétique (美), réalisme (真) et alignement (齐) — il maximise l’efficacité de la production de contenus visuels professionnels
Aperçu de Qwen-Image-2.0
- Qwen-Image-2.0 est un modèle fondation de génération d’images de nouvelle génération qui adopte une architecture unifiée intégrant le rendu de texte et l’édition d’images
- Il traite des instructions de 1k tokens pour générer directement des infographies professionnelles comme des PPT, des posters ou des bandes dessinées
- Il représente des scènes réalistes détaillées — portraits, nature, architecture, etc. — en résolution 2K
- Grâce à l’intégration de la compréhension et de la génération de texte, il effectue génération et édition d’images dans un seul mode
- Son architecture de modèle allégée assure une vitesse d’inférence rapide
- Lors des tests à l’aveugle d’AI Arena, il a affiché d’excellentes performances à la fois sur les tâches texte-vers-image et image-vers-image
Évolution du modèle
- La série Qwen-Image a progressé en parallèle sur une branche génération et une branche édition
- En août 2025, Qwen-Image a renforcé la précision du rendu de texte
- En décembre 2025, Qwen-Image-2512 a amélioré le niveau de détail et le photoréalisme
- Côté édition, l’évolution est allée de l’édition d’image unique (août) à l’édition multi-images (septembre), puis à l’amélioration de la cohérence (décembre)
- Qwen-Image-2.0 fusionne ces deux branches en un modèle unifié, obtenant d’excellents résultats à la fois en génération et en édition
Précision (准) et complexité (多)
- Le modèle reproduit avec précision des compositions complexes de type “image dans l’image”, améliorant l’efficacité de création de PPT
- Par exemple, il génère une scène composite avec deux images d’une même personne disposées verticalement tout en conservant la cohérence visuelle
- Avec des instructions de 1k tokens, il rend intégralement des infographies à structure multiniveau, comme un rapport d’A/B testing
- Il peut produire des visuels de niveau rapport professionnel intégrant tableaux, graphiques, chiffres, annotations et autres éléments complexes
- En exploitant les connaissances du monde d’un LLM, il peut étendre automatiquement une requête simple en prompt de description détaillé
- Exemple : une demande de « poster de voyage de deux jours à Hangzhou » peut être transformée en une composition détaillée de style, d’arrière-plan et de texte
Esthétique (美)
- Il réalise une harmonie formelle entre texte et image
- Il reproduit fidèlement le style traditionnel chinois de calligraphie et peinture dans des compositions unifiées
- Il exprime avec précision diverses typographies (par ex. 瘦金体, Sojache)
- Par exemple, il peut reproduire presque parfaitement en Sojache une peinture à l’encre avec poésie de l’époque Song ou le « 兰亭序 » de Wang Xizhi
Réalisme (真)
- Il renforce l’impression de réel grâce à une représentation précise des reflets optiques, matériaux et perspectives
- Par exemple, il rend correctement du texte sur des matériaux variés comme un tableau blanc en verre, des vêtements ou une couverture de magazine
- Il réalise une intégration du niveau d’un poster de film entre éclairage, texture et matériaux
- Par exemple, dans le poster de « 千灯问心 », le métal, la pluie et les textures textiles fusionnent naturellement
Alignement (齐)
- Il ajuste automatiquement l’alignement et la mise en page dans des structures à textes multiples comme les calendriers, bandes dessinées et infographies
- Par exemple, dans un calendrier de février 2026, il aligne correctement dans la grille les dates, le calendrier lunaire et les annotations
- Il centre le texte dans les bulles de dialogue d’une bande dessinée pour créer un flux de conversation naturel
- Dans une infographie OKR, il aligne automatiquement les blocs de texte et les flèches, et les distingue par couleur
Renforcement du photoréalisme
- Il distingue plus de 23 nuances de vert pour exprimer le réalisme écologique d’une forêt estivale
- Il décrit finement jusqu’à la texture des feuilles, les reflets, l’humidité et les particules dans l’air
- Il reproduit avec précision la musculature, les expressions et les textures des humains et des animaux
- Par exemple, dans une scène où un cheval piétine une personne, il rend jusqu’à la tension musculaire, la texture de la peau et les particules de poussière
Fonctionnalités d’édition d’images
- En tant que modèle Omni intégrant génération et édition, les améliorations du volet génération se répercutent directement sur l’édition
- Il permet d’insérer des poèmes et du texte dans une image existante
- Il peut fusionner des personnes issues de deux images en préservant la cohérence naturelle de l’éclairage et des ombres
- Il permet aussi une édition mixte entre photo réaliste et personnage de cartoon
- Par exemple, il fournit des résultats d’intégration naturels pour des photos composites de deux personnes ou l’insertion de personnages dans des photos urbaines
Image d’en-tête du blog « Qwen Street »
- Sur fond de paysage de rue hivernal à Pékin, deux boutiques symbolisent les fonctions clés de Qwen-Image-2.0
- Enseigne de la boutique de calligraphie à gauche : « 文字渲染 », avec à l’intérieur « 专业幻灯片 中英文海报 高级信息图 »
- Enseigne du fleuriste à droite : « 真实质感 », avec l’indication « 2k resolution » au-dessus de la porte
- Tableau tenu par le bonhomme de neige au centre : « Qwen-Image-2.0 正式发布 »
- Dans la rue apparaît aussi un livreur portant la mention « 更小模型，更快速度 »
Conclusion
- Qwen-Image-2.0 est un modèle unifié de génération d’images réunissant précision, complexité, esthétique, réalisme et alignement
- Il brouille la frontière entre texte et image et améliore fortement le niveau d’automatisation de la production d’infographies professionnelles et de contenus visuels
- Pour un usage en recherche ou en création, il est recommandé de citer Qwen-Image Technical Report (arXiv:2508.02324)
Aucun commentaire pour le moment.