La compañía Qwen anunció Qwen-Image-Layered, un nuevo modelo de inteligencia artificial capaz de descomponer imágenes en múltiples capas RGBA editables. La propuesta apunta a transformar la edición visual al ofrecer mayor precisión, coherencia y control sobre cada elemento de una imagen.
Qwen dio a conocer Qwen-Image-Layered, un modelo de inteligencia artificial diseñado para resolver uno de los principales límites de la edición de imágenes generadas o procesadas por IA: la falta de editabilidad estructural. A diferencia de los enfoques tradicionales basados en imágenes rasterizadas, este nuevo modelo permite descomponer una imagen completa en múltiples capas RGBA, donde cada componente visual queda físicamente aislado y puede ser manipulado de forma independiente.
Según explica la compañía en su blog oficial, Qwen-Image-Layered introduce un enfoque de “descomposición en capas” que habilita una editabilidad inherente. Esto significa que cada capa —que puede representar un objeto, una persona, un texto o un elemento estructural— puede ser modificada sin afectar al resto de la imagen, lo que garantiza consistencia visual incluso tras múltiples ediciones sucesivas.
Esta representación por capas no solo facilita ediciones complejas, sino que también soporta de forma nativa operaciones elementales de alta fidelidad, como redimensionar, reposicionar o recolorear elementos individuales. Al aislar físicamente componentes semánticos o estructurales en capas separadas, el modelo logra ediciones precisas y coherentes, algo que suele resultar problemático en modelos de edición basados únicamente en píxeles.
Edición por capas en la práctica
Una vez que una imagen es procesada por Qwen-Image-Layered, el modelo puede dividirla en varias capas RGBA. A partir de esa descomposición, cualquier edición se aplica exclusivamente sobre la capa objetivo, sin interferir con el resto del contenido visual.
Entre los ejemplos que presenta Qwen se destaca la posibilidad de cambiar el color de una capa específica manteniendo intactos todos los demás elementos de la imagen. También es posible reemplazar completamente el contenido de una capa, como sustituir la imagen de una niña por la de un niño, sin que esto genere inconsistencias en el fondo o en otros objetos.
El modelo también permite modificar textos integrados en la imagen. En uno de los casos ilustrativos, el contenido textual se edita para mostrar “Qwen-Image”, demostrando que el enfoque por capas no se limita a objetos visuales complejos, sino que también abarca elementos gráficos y tipográficos.
Además, la estructura en capas habilita operaciones fundamentales que suelen ser difíciles de ejecutar limpiamente con otros sistemas de edición. Por ejemplo, Qwen-Image-Layered puede eliminar objetos no deseados sin dejar artefactos visuales, redimensionar elementos sin distorsión y mover objetos libremente dentro del lienzo, manteniendo la coherencia espacial y visual de la escena.
Un enfoque flexible y escalable
Uno de los aspectos centrales del modelo es que no está limitado a una cantidad fija de capas. Qwen-Image-Layered admite una descomposición variable, lo que permite adaptar el nivel de detalle según las necesidades del usuario o de la aplicación. Una imagen puede dividirse, por ejemplo, en tres capas para ediciones simples o en ocho capas para un control más granular de los distintos elementos.
A esto se suma una capacidad aún más avanzada: la descomposición recursiva. Cualquier capa generada puede, a su vez, ser subdividida en nuevas capas, habilitando un proceso de descomposición potencialmente infinito. Este enfoque amplía de manera significativa las posibilidades de edición iterativa, ya que permite trabajar sobre subcomponentes cada vez más específicos dentro de una misma imagen.
Desde el punto de vista conceptual, esta arquitectura acerca el procesamiento de imágenes al paradigma de los sistemas de diseño gráfico profesional, donde el trabajo por capas es una práctica estándar. Sin embargo, en este caso, la generación y separación de capas es realizada directamente por el modelo de inteligencia artificial.
Un puente entre imágenes rasterizadas y estructuras editables
Con Qwen-Image-Layered, la compañía plantea un cambio de enfoque en la forma en que las imágenes generadas o procesadas por IA pueden ser entendidas y manipuladas. En lugar de tratar las imágenes como superficies planas de píxeles, el modelo las reimagina como composiciones estructuradas de capas editables.
En palabras de Qwen, el objetivo es “cerrar la brecha entre las imágenes rasterizadas y las representaciones estructuradas y editables”. Al convertir una imagen en un conjunto de capas composables, el modelo busca habilitar capacidades de edición más intuitivas, precisas y robustas, tanto para usuarios finales como para desarrolladores de herramientas creativas.
Este desarrollo se inscribe en una tendencia más amplia dentro del sector de la inteligencia artificial, donde los modelos comienzan a avanzar no solo en generación, sino también en control fino, edición consistente y reutilización de contenido visual. Qwen-Image-Layered apunta directamente a ese desafío, ofreciendo una solución que prioriza la coherencia y la flexibilidad por diseño.
Si bien Qwen no detalla aún casos de uso comerciales específicos, el enfoque abre la puerta a nuevas aplicaciones en diseño, publicidad, creación de contenido digital y edición profesional asistida por IA, donde la editabilidad precisa es tan importante como la generación inicial de la imagen.