Qwen-Image-MICo

מה זה

אתם מעלים בין שתיים לשש תמונות שונות לתיבות הקלט בממשק ומזינים תיאור טקסטואלי של התוצאה המבוקשת. יש אפשרות להפעיל מנגנון עזר שמבקש תיאור קצר לכל תמונה בנפרד, ואז מייצר בעצמו פרומפט מפורט שמשלב את כל האובייקטים יחד.

מאחורי הקלעים רץ המודל kr-cen/Qwen-Image-MICo, שמבוסס על ארכיטקטורת דיפוזיה עם FlowMatchEulerDiscreteScheduler ורכיבי Qwen2VL. לצד יצירת התמונה, המערכת מריצה מקומית מודל שפה קטן מסוג Qwen2.5-0.5B-Instruct על ה־CPU, ותפקידו לקחת את התיאורים של התמונות השונות ולחבר אותם להנחיה אחת הגיונית.

בהגדרות המתקדמות אפשר לקבוע פרומפט שלילי, לכוון את ערך ה־CFG שמתחיל בברירת מחדל של 4.0, ולשנות את מספר צעדי הריצה.

מתאים ל

• שילוב דמויות ופריטים

  איחוד מספר אובייקטים מתמונות מקור נפרדות לתוך איור או תמונה אחת משותפת.

• בניית קומפוזיציה מורכבת

  העלאת עד שש תמונות של אלמנטים שונים כדי למקם אותם בסצנה חדשה לפי פרומפט.

• ניסוח פרומפט אוטומטי

  שימוש במודל השפה המובנה כדי לחבר תיאורים קצרים של פריטים להנחיית יצירה מלאה.

איפה זה נופל

נכון לעכשיו העמוד נמצא במצב מושהה, כך שאי אפשר להריץ אותו ישירות בדפדפן בלי להפעיל אותו מחדש. החומרה המוגדרת היא מעבד בסיסי בלבד, בזמן שמודל תמונה כזה דורש מעבד גרפי כבד כדי לייצר פלט בזמן סביר. בנוסף, חובה להעלות לפחות שתי תמונות, והממשק לא יפיק תוצאה אם תעלו תמונה אחת בלבד.

איך משתמשים

בממשק מעלים בין שתיים לשש תמונות אל המשבצות המתאימות וכותבים תיאור בתיבת הטקסט. אם בוחרים להפעיל את ניסוח הפרומפט, ממלאים שדה קצר עבור כל תמונה ולוחצים על הכפתור שמייצר את ההנחיה המאוחדת. לא נדרשת הרשמה, אך כיוון שהשרת מוגדר על חומרת מעבד בסיסית ונמצא כרגע במצב מושהה, הממשק אינו מגיב עד להפעלתו בסביבה מתאימה עם האצת חומרה.

הרישיון

הקוד וההדגמה מפורסמים תחת רישיון apache-2.0, שמתיר שימוש חופשי ושינויים בקוד. לגבי התמונות שאתם מעלים או התוצרים שמתקבלים, הממשק רץ על תשתית ציבורית ולכן אין להעלות לשם חומרים פרטיים או סודיים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗