알리바바, 'Qwen-Image-2.1' 오픈소스 공개: 7B 크기로 이미지 생성·편집·투명 채널 통합

Qwen-Image-2.1은 텍스트-투-이미지 생성, 이미지 편집, 네이티브 투명 채널 생성을 하나로 결합한 오픈소스 이미지 모델입니다. 시각 생성 컴포넌트의 매개변수가 7B에 불과해 가볍고 효율적이면서도, 디자이너나 개발자가 필요로 하는 핵심 작업을 단일 모델 안에서 모두 처리합니다.

별도의 배경 제거 도구나 복잡한 파이프라인 없이도, 프롬프트 입력만으로 투명 RGBA 에셋을 뽑아내고 자유롭게 편집할 수 있는 것이 가장 큰 특징입니다.

7B 경량 구조로 다중 참조 편집 구현

Qwen-Image-2.1의 시각 생성부는 32개 레이어로 구성된 Single-Stream DiT 아키텍처를 기반으로 합니다. 작은 모델 크기에서도 높은 품질과 추론 효율을 유지하도록 설계되었습니다.

핵심 기술은 혼합 입도 어텐션(mixed-granularity attention)입니다. 텍스트 프롬프트와 편집 명령어에는 토큰 단위의 인과적 마스크를 적용하고, 이미지 생성에는 청크 단위 마스크를 사용합니다.

여기에 KV 캐시 재사용 기법을 더했습니다. 입력 이미지와 편집 지시어를 정적 컨텍스트로 취급해 첫 단계에서 계산 후 캐싱해 두기 때문에, 여러 장의 이미지를 참조할 때도 메모리 점유율을 크게 낮추고 추론 속도를 끌어올립니다.

덕분에 최대 10장의 참조 이미지를 한 번에 합성할 수 있습니다. 각기 다른 6명의 인물 사진을 합쳐 자연스러운 단체 사진을 만들거나, 모델·의류·신발·가방 등 5개 에셋을 조합해 가상 착장 컷을 완성할 수 있습니다. 가구 이미지 10장을 배치해 인테리어 룸을 생성하는 작업도 가능합니다.

부분 편집 방식도 유연합니다. 색상 원으로 영역을 지정하거나, 브러시로 칠하거나, 원본 손상을 막기 위해 별도의 마스크 이미지를 함께 입력할 수 있습니다. 인물의 얼굴 정체성과 제품의 질감 및 로고를 정밀하게 유지해 줍니다.

네이티브 투명 채널: 누끼 작업의 종말

기존 이미지 모델로 작업할 때는 RGB 이미지를 뽑은 뒤 별도의 누끼 따기 툴을 거쳐야 했습니다. Qwen-Image-2.1은 투명 채널을 모델 내부에 직접 내장했습니다.

알리바바는 2025년 12월 투명 이미지 전용 모델인 Qwen-Image-Layered를 선보인 바 있으며, 이번 2.1 업데이트를 통해 이 기능을 단일 메인 모델로 통합했습니다.

프롬프트 지시에 따라 일반 이미지뿐 아니라 알파 채널이 포함된 RGBA 투명 에셋을 곧바로 생성합니다. 복잡한 다중 요소 그래픽도 투명 배경으로 출력할 수 있습니다.

나아가 투명 레이어 상태를 유지한 채 표정을 바꾸거나 텍스트를 수정하는 작업이 가능하며, 일반 실사 사진을 입력해 원하는 피사체만 투명 RGBA 레이어로 추출해 낼 수도 있습니다.

왜 중요한가

이커머스 상세페이지 제작, 인디 게임 그래픽 에셋 구축, 자동화 디자인 파이프라인을 운영하는 개발자에게 최적화된 도구입니다. 생성, 누끼 따기, 부분 수정, 다중 소재 합성을 7B 크기의 모델 하나로 끝낼 수 있어 인프라 비용과 파이프라인 복잡도를 획기적으로 줄여줍니다.

우리는 알리바바가 파라미터 경쟁 대신 현장의 실제 페인포인트에 집중한 점을 높게 평가합니다. 고사양 서버 없이도 돌아가는 가벼운 무게에 네이티브 투명도와 강력한 다중 참조 기능을 얹은 만큼, 실무형 그래픽 파이프라인을 구축하려는 팀이라면 지금 즉시 테스트해 볼 가치가 충분합니다.