Qwen Image Layered nasıl kullanılır? Görseli katmanlara ayırma adımları

Qwen-Image-Layered ile görsel nasıl katmanlara ayrılır? Adım adım

Qwen-Image-Layered ile görsel, diffusers kütüphanesindeki QwenImageLayeredPipeline’a RGBA görsel ve katman sayısı verilerek katmanlara ayrılır; her katman ayrı bir PNG olarak kaydedilir. Adımlar ve kod, modelin resmî GitHub deposundaki hızlı başlangıç bölümünden alınmıştır:

1. Ortamı kurun: transformers 4.51.3 ya da üstü ve diffusers’ın en güncel sürümü gerekiyor; dışa aktarma için python-pptx ve psd-tools da yükleniyor.
2. Modeli yükleyin: Qwen/Qwen-Image-Layered modelini CUDA destekli GPU’ya bfloat16 olarak alın.
3. Görseli hazırlayın: Görseli RGBA’ya çevirin.
4. Ayarları verin: Katman sayısı (layers), çözünürlük kovası (resolution), adım sayısı ve rastgelelik tohumu.
5. Çalıştırın ve kaydedin: Çıkan her katmanı ayrı PNG dosyası olarak kaydedin.

pip install git+https://github.com/huggingface/diffusers
pip install python-pptx psd-tools

from diffusers import QwenImageLayeredPipeline
import torch
from PIL import Image

pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered")
pipeline = pipeline.to("cuda", torch.bfloat16)

image = Image.open("urun.png").convert("RGBA")
inputs = {
    "image": image,
    "generator": torch.Generator(device="cuda").manual_seed(777),
    "true_cfg_scale": 4.0,
    "negative_prompt": " ",
    "num_inference_steps": 50,
    "num_images_per_prompt": 1,
    "layers": 4,
    "resolution": 640,
    "cfg_normalize": True,
    "use_en_prompt": True,
}
with torch.inference_mode():
    output = pipeline(**inputs)
for i, katman in enumerate(output.images[0]):
    katman.save(f"katman_{i}.png")

Kodu çalıştıracak donanımınız yoksa depo, modelin Hugging Face Spaces ve ModelScope Studio’da denenebildiğini yazıyor (22 Aralık 2025 notu).

Qwen-Image-Layered'da katman sayısı ve çözünürlük ne işe yarar?

Qwen-Image-Layered’da layers görselin kaç RGBA katmanına ayrılacağını, resolution ise işlemin hangi çözünürlük kovasında yapılacağını belirler; depo bu sürüm için 640 kovasını öneriyor. Diğer ayarların resmî örnekteki değerleri:

Ayar	Resmî örnekteki değer	Ne yapar?
layers	4	Katman sayısı. Model sabit sayıya bağlı değil; depo aynı görselin 3 ya da 8 katmana ayrıldığı örnekler gösteriyor.
resolution	640	Çözünürlük kovası; seçenekler 640 ve 1024, bu sürüm için 640 öneriliyor.
num_inference_steps	50	Üretim adımı sayısı.
true_cfg_scale	4.0	İstemin sonuca etkisinin gücü.
cfg_normalize	True	CFG normalleştirmesini açar.
use_en_prompt	True	Kullanıcı açıklama vermezse otomatik açıklamanın dili İngilizce olur.
generator tohumu	777	Aynı tohumla aynı sonucu yeniden almak için.

Qwen-Image-Layered ne yapar, ne yapmaz?

Qwen-Image-Layered var olan bir görseli katmanlara ayırmak için eğitilmiştir; her katmanın içeriğini metinle tek tek yönetmek ya da sıfırdan katmanlı görsel üretmek için tasarlanmamıştır. Depodaki notlar:

• İstemin görevi: İstem görselin genel içeriğini anlatır; ön plandaki bir nesnenin arkasında kalan yazı gibi gizli kısımlar da yazılabilir. İstem tek tek katmanların içeriğini kontrol etmek için değildir.
• Metinden katman: Yayınlanan ağırlıklar görselden çoklu RGBA katmanına ayrıştırma için ince ayarlandığından, metinden katmanlı görsel üretimindeki başarı sınırlı.
• Özyineleme: Bir katman kendi içinde yeniden katmanlara ayrılabiliyor.
• Tarihler: Araştırma makalesi 17 Aralık 2025’te arXiv’e gönderildi (2512.15603); model ve ağırlıklar 19 Aralık 2025’te yayımlandı. vLLM-Omni de modeli destekliyor.

Qwen-Image-Layered katmanları nasıl düzenlenir ve dışa aktarılır?

Depodaki üç yardımcı araç, katmanlara ayırma, tek katmanı düzenleme ve katmanları yeniden birleştirme adımlarını sırayla yapar:

1. Ayırma ve dışa aktarma: python src/app.py bir Gradio arayüzü açar; katmanlar PPTX, ZIP ve PSD olarak dışa aktarılır.
2. Tek katmanı düzenleme: python src/tool/edit_rgba_image.py, saydamlığı olan bir katmanı Qwen-Image-Edit ile düzenlemek için arayüz açar.
3. Yeniden birleştirme: python src/tool/combine_layers.py katmanları yeni bir görsele birleştirir; katmanlar en alttan en üste doğru sırayla yüklenmelidir.

Depodaki örnekler bu akışla bir katmanın yeniden renklendirildiğini, bir kişinin başka biriyle değiştirildiğini, yazının değiştirildiğini, nesnelerin silindiğini, bozulmadan büyütüldüğünü ve tuval içinde taşındığını gösteriyor.

Katman ayrımı ve düzenlenebilirlik nasıl kontrol edilir?

Katmanlara ayrılmış bir görselin işe yarayıp yaramadığı, her katmanın tek bir nesneyi temiz kenarla taşıması ve bir katman değişince diğerlerinin hiç değişmemesiyle ölçülür. Bu kontrolleri bu yazı için kendi görselimizde çalıştırmadık; liste, depodaki iddiaları sınamak için kullanılacak ölçütlerdir:

Kontrol	Nasıl bakılır?	Başarılı sonuç
Katman ve nesne eşleşmesi	Her katmanı tek başına açın.	Her katmanda tek bir nesne ya da arka plan var.
Kenar temizliği	Saç, ürün kenarı ve gölgeyi büyütüp inceleyin.	Hâle ve kopuk piksel yok.
Yazı katmanı	Ambalaj ya da afiş yazısını kontrol edin.	Harfler eksiksiz; Türkçe karakterler (ç, ğ, ı, İ, ö, ş, ü) bozulmamış.
Bağımsız düzenleme	Bir katmanın rengini değiştirin.	Diğer katmanlarda hiçbir piksel değişmiyor.
Yeniden birleştirme	Katmanları birleştirip ilk görselle karşılaştırın.	Görünür fark yok.
PSD sırası	Dışa aktarılan PSD’yi tasarım programında açın.	Katman sırası ve saydamlık korunmuş.

Görseldeki Türkçe yazının yapay zekâ araçlarında nasıl bozulduğunu Nano Banana ile görselde yazı yazısında ayrıca ele alıyoruz.

Reklam ve tasarım işinde katmanlı görsel nerede işe yarar?

Katmanlı görsel reklam işinde en çok aynı kampanyanın farklı sürümlerini üretmekte işe yarar: ürün aynı kalırken arka plan, yazı ya da renk değişir. Üç tipik kullanım:

• Ürün fotoğrafı: Ürünü arka plandan ayırıp farklı sahnelere taşımak.
• Kampanya yazısı: Yazı katmanını değiştirerek aynı görselin indirim, yeni ürün ya da bayram sürümlerini hazırlamak.
• Temizlik: İstenmeyen nesneyi silmek ya da ürünü bozmadan büyütmek.

Aynı işi başka araçlarla yapmak için Firefly üretken dolgu, Photoshop’ta Nano Banana ve Canva’da yapay zekâ ile fotoğraf düzenleme rehberlerine bakabilirsiniz. Hazırlanan katmanları hareketli bir reklama dönüştürmek isterseniz AI reklam filmi hizmetimizde görselden videoya kadar tüm işi üstleniyoruz; ürün videosu kurgusu için ürün tanıtım videosu hazırlama rehberi hazır. Qwen’in diğer ürünleri Qwen nasıl kullanılır yazısında, tüm yazılar blog sayfasında.

Sık sorulan sorular