Qwen-Image-PE：两阶段训练学会视觉设计，prompt 增强提升 7.81 分
Qwen · hf · 2026-10-27
Qwen 团队发布 Qwen-Image-PE，教模型把欠明确的用户请求补全为连贯的视觉规范用于文生图，核心是显式学习构图、光照、布局等细粒度设计维度。
方法要点：
- 两阶段训练：先用基于 caption 的反向蒸馏（CRD）做监督微调，以精选设计图像的密集 caption 作设计监督；再用组级设计奖励（GDR）的强化学习，对同一请求的多张候选图联合比较打磨光照、构图、布局与细节。
- 效果：在 Qwen-Image-Bench 上，Qwen-Image-PE-397B 较原始请求提升 7.81 分，9B 版超过所有被测 PE 基线；图像质量、审美与人类偏好均有提升。
- 可泛化：PE 效果随训练数据、模型规模、信息密度三个维度扩展；并迁移到另外四个文生图骨干（含 HunyuanImage、FLUX），甚至超过其原生 prompt 增强器。
「多模态」频道最新
- Kling 4 实测 30 秒无人机航拍视频，作者附完整 prompt — TheLocalLab · 2026-10-27
- 用 Claude 在 Tella 里剪 iPhone Duo 评测视频，创作者实测 agent 剪辑 — evielync · 2026-10-27
- 20 个开源动画库组合清单:用 Opus 5.5 搭建动效工作室 — nikola_mr64990 · 2026-10-27
- Reddit 用户打造 AI 时尚博主,讲解胶囊衣橱以假乱真 — Ai-Emiliaa344 · 2026-10-27
- MOSS Image Edit 对比 Krea 2 Edit:换衣实测谁更保真 — Illustrious_Row_9971 · 2026-10-27
- 夜林中的动力装甲身影:AI 生成短片质感惊人 — turbulent-waffle-69 · 2026-10-27