UniWorld-Design：从像素生成到层本机设计

我们介绍了 UniWorld-Design，这是一个框架，它重新定义了图像生成，从平面像素合成到结构化视觉合成，以语义 RGBA 层作为生成、理解和编辑的原子单元。我们的主要见解是，像素定义了图像的渲染方式，而图层定义了图像的创建、理解和编辑方式。正如人类设计师通过图层而不是原始像素创建和操纵视觉内容一样，UniWorld-Design 为多模式生成模型配备了图层原生设计空间。 UniWorld-Design 包含两个模型。文本到 RGBA (T2RGBA) 模型直接从文本生成独立的 RGBA 资源。图像到层 (I2L) 模型以完成的图像、全局指令和每层提示为条件，并联合生成有序、完整的语义 RGBA 层。其指令接口支持顶层分解、递归分解和定向提取，使分层成为代理编辑的指令可寻址操作。由于 I2L 学习完整的语义对象而不是可见像素分区，因此其层在移动或删除时仍然可用。在 Crello 基准测试中，I2L 将每层 RGB L1 误差降低了 37%，并且 Alpha Soft IoU 相对于 Qwen-Image-Layered 实现了 34% 的相对改进。另外，T2RGBA 获得了最高的 CLIP 分数，优于 LayerDiffuse 和 OmniAlpha。