💡 站外导读：在AIGC浪潮席卷全球的今天，多模态能力已成为大模型竞争的核心赛道。从单纯的文本对话，到理解并操纵图像、视频，用户对AI的期待已从“能说”进化到“能看会做”。然而，现有模型常面临理解与生成脱节、指令响应僵化、图像质量不稳定等行业痛点。通义千问团队推出的Qwen VLo，正是一款旨在解决这些痛点的破局之作。它通过统一架构实现了从精准感知到高质量再创造的完整闭环，为创意、设计、内容等行业提供了强大的新生产力工具。

Qwen VLo 是通义千问团队推出的多模态统一理解与生成模型。在多模态大模型的基础上进行了全面升级，能“看懂”世界，能基于理解进行高质量的再创造，实现了从感知到生成的跨越。能精准理解图像内容，在此基础上进行一致性和高质量的生成。用户可以通过自然语言指令要求模型对图像进行风格转换、场景重构或细节修饰，模型能灵活响应并生成符合预期的结果。Qwen VLo 支持多语言指令，打破语言壁垒，为全球用户提供便捷的交互体验。具备动态分辨率训练与生成的能力，支持任意分辨率和长宽比的图像生成，适用于多种场景。

Qwen VLo的主要功能

• 精准内容理解与再创造：Qwen VLo 能精准理解图像内容，在生成过程中保持高度的语义一致性。例如，用户可以上传一张汽车照片并要求“更换颜色”，模型能准确识别车型，能保留原图的结构特征，完成色彩风格的自然转换。

• 开放指令编辑与修改：用户可以通过自然语言提出各种创意性指令，如“将这张画风改为梵高风格”或“给这张图片添加一个晴朗的天空”。模型能灵活响应这些指令，完成艺术风格迁移、场景重构、细节修饰等任务，可以一次性完成包含多个操作的复杂指令。

• 多语言指令支持：Qwen VLo 支持中文、英文等多种语言指令，打破了语言壁垒，为全球用户提供了便捷的交互体验。

• 动态分辨率生成：模型采用动态分辨率训练，支持任意分辨率和长宽比的图像生成，适用于海报、插图、网页 Banner 等多种场景。

• 渐进式生成机制：Qwen VLo 以一种从左到右、从上到下逐步清晰的方式生成图像，可以实时观察生成过程并进行调整，获得更灵活、更可控的创作体验。

• 图像检测与标注：Qwen VLo 可以完成对已有信息的标注任务，如检测、分割、边缘检测等。

• 文本到图像生成：Qwen VLo 支持根据文本描述直接生成图像，包括通用图像和中英文海报等。

Qwen VLo的技术原理

• 模型架构：Qwen VLo 的架构主要由以下几个关键模块组成：
  • 视觉编码器（Visual Encoder）：采用 Vision Transformer（ViT）架构，将输入图像分割成多个固定大小的 Patch，并将其转换为序列化的特征向量。为了支持动态分辨率，Qwen VLo 修改了 ViT，去除了原始的绝对位置嵌入，并引入了 2D-RoPE（Rotary Position Embedding）来捕获图像的二维位置信息。

  • 输入投影层（Input Projector）：通过一个单层的交叉注意力模块（Cross-Attention），将视觉特征序列压缩到固定长度（例如 256），以提高处理效率。同时，该模块会整合二维绝对位置编码，以保留位置信息。

  • 大型语言模型（LLM）：以 Qwen-7B 为基础，使用预训练权重进行初始化，负责处理语言模态的输入。

  • 输出投影层（Output Projector）：将 LLM 生成的特征映射到模态生成器可理解的特征空间，通常是一个简单的 Transformer 层或 MLP 层。

  • 模态生成器（Modality Generator）：基于 LDM（Latent Diffusion Models）的衍生模型，负责生成最终的图像输出。

• 动态分辨率机制：Qwen VLo 引入了动态分辨率机制，能处理任意分辨率的图像输入：

  • 动态视觉标记转换：模型根据输入图像的分辨率动态生成可变数量的视觉标记（tokens），避免了将高分辨率图像缩放到低分辨率而导致的信息丢失。

  • 智能 Resize：在推理阶段，图像会被调整为 28 的整数倍尺寸，尽可能保持宽高比，避免失真。

  • Token 压缩：通过一个简单的 MLP 层，将相邻的 2×2 tokens 压缩为单个 token，以减少视觉输入的序列长度。

• 训练方法：Qwen VLo 的训练分为三个阶段：

  • 第一阶段：单任务大规模预训练：使用大量图文对数据进行预训练，训练数据的图片统一处理为 224×224 的尺寸。此阶段主要训练模型的视觉模态对齐语言模型的能力。

  • 第二阶段：多任务预训练：使用更高分辨率（448×448）的数据，引入多个视觉和文本生成任务，提升模型的多模态任务处理能力。

  • 第三阶段：指令微调（SFT）：通过人工标注、模型生成等方式构造多模态多轮会话数据，提升模型的指令遵循能力和对话能力。

• 渐进式生成机制：Qwen VLo 采用从左到右、从上到下的渐进式生成方式，逐步构建图像内容。在生成过程中，模型会不断调整和优化预测内容，确保最终结果的和谐一致。适用于需要精细控制的长段落文字生成任务，用户可以实时观察生成过程并进行调整。
• 多模态融合：Qwen VLo 通过将视觉特征和语言特征融合，实现了多模态数据的统一处理。模型能根据用户输入的文本指令对图像进行编辑、风格迁移、生成等操作，支持多语言指令。

如何使用Qwen VLo

• 上传图像或输入文本：将图像上传到平台，或者输入文本指令。

• 输入指令：根据需求输入自然语言指令，例如“将这张画风改为梵高风格”或“给这张图片添加一个晴朗的天空”。

• 查看生成结果：模型会根据指令生成图像或进行编辑，显示结果。

Qwen VLo的应用场景

• 图像编辑与生成：Qwen VLo 可以将图像的风格从一种转换为另一种，例如将卡通风格转换为写实风格。
• 视觉问答（VQA）：Qwen VLo 能回答与图像内容相关的问题，例如描述图像中的场景、识别图像中的物体等。

• 文档解析：Qwen VLo 可以解析图像类文档（如扫描件或图片PDF），识别其中的文本、图像和表格等元素的位置信息。

• 文字识别与信息抽取：支持从图像中识别文字、公式，或抽取票据、证件、表单中的信息。

• 视频理解：Qwen VLo 能分析视频内容，例如对视频中的事件进行定位并获取时间戳，或生成关键时间段的摘要。
• 设计与创意：Qwen VLo 可以为设计师、营销人员、教育工作者等提供强大的工具支持，快速实现创意，例如生成海报、插图等。