Problem

目前的影像生成技術難以同時滿足大規模、高品質的分層編輯需求。現有系統在處理透明背景、圖層重複使用以及跨畫布邊界的物件生成時，常面臨畫質受損或一致性不足的挑戰，且缺乏能整合多種生成任務的統一框架。

Method

開發 200 億參數的 Masked Region Transformer (MRT)，利用屏蔽區域擴散框架整合「文字轉圖層」、「影像轉圖層」與「圖層轉圖層」任務。引入溢出感知畫布層（Overflow-aware canvas）處理邊界不一致性與半透明合成，並應用擴散蒸餾技術將推論過程壓縮至 8 步以實現即時生成。

Results

實驗顯示 MRT 在所有分層任務上均優於現有的商業系統。相較於同期的 Qwen-Image-Layered，MRT 在影像轉圖層的品質與使用者滿意度更高，推論速度提升 10 至 100 倍，且 GPU 記憶體消耗大幅減少了 50% 到 90%。

Significance

此研究為分層透明影像生成樹立了新標竿，大幅降低專業設計流程中的運算資源門檻。透過卓越的生成效率與高品質的圖層控制能力，讓複雜的圖層式創意編輯變得更加靈活且易於大規模應用。