阿里通义实验室推出 Qwen-Image-i2L，能将任意单张图片瞬间转化为可微调的LoRA（Low-Rank Adaptation）模型。

无需海量数据集或昂贵计算资源，用户只需上传一张图片，即可生成轻量级LoRA模块，并无缝集成到其他生成模型中，实现高效的“单图风格迁移”。

Qwen-Image-i2L的核心在于其独特的图像分解机制。它采用SigLIP2、DINOv3和Qwen-VL等多模态特征提取体系，将输入图片智能拆解为“风格、内容、构图、色调”等核心视觉元素。这些可学习特征随后被高效压缩，形成一个体积小巧的LoRA模块——平均仅需数GB空间，却能捕捉图片的精髓。

为满足不同需求，Qwen-Image-i2L提供了四种专属“模型风格”，每个变体针对特定用途优化：

• 风格模式（2.4B参数）：专注纯美学提取，理想用于艺术画风迁移，如将水彩风格注入新图像。
• 粗粒度模式（7.9B参数）：综合捕捉内容与风格，适合整体场景重构，例如建筑或景观的快速变体生成。
• 精细模式（7.6B参数）：支持1024x1024高分辨率细节增强，常与粗粒度模式搭配，提升纹理和边缘精度。
• 偏见模式（30M参数）：确保输出与Qwen-Image原生风格一致，避免偏差，适用于需要品牌统一性的企业级应用。

这些变体均基于Apache2.0许可开源，测试显示，在复杂文本渲染和语义编辑基准上，Qwen-Image-i2L超越多数开源竞品，与闭源模型不相上下。