开源动态8

浙大开源PhyEdit，3D图像编辑超Nano Banana Pro

量子位2026-08-13

AI 摘要

浙江大学ReLER团队开源PhyEdit方案，用显式3D几何preview指导图像编辑，加入深度监督，构建RealManip-40K数据集和ManipEval评测基准，成绩优于Nano Banana Pro ，还能连续操作，普通编辑能力未退化。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

浙大开源PhyEdit实现单图精准3D物体操作

浙江大学ReLER团队开源的PhyEdit，用3D foundation model明确目标几何，让DiT图像编辑器负责最终渲染。单张图片里物体能移动并形成连续状态，在多项指标表现出色，还具备多种能力，已被ACM MM 2026接收。

过去两年，AI 生成图片、视频变得容易，但让 AI 理解并按创作者意图创作很难。美图影像研究院过去几年围绕高频创作场景痛点展开研究，11 篇论文被国际顶会接收，成果通过产品落地转化为 AI 影像能力。

浙江大学联合阿里云发布综述论文，提出Token Economics框架，从经济学视角理解LLM Agent中Token使用与资源分配。梳理关键问题，构建分类体系，还指出未来发展趋势与新兴机会。

多轮视觉问答成LVLM推理效率“照妖镜”，现有压缩方法在多轮场景翻车。浙大宋明黎教授团队与阿里联合提出MetaCompress框架，可根据图像生成最优压缩映射，实验验证其效果优，能平衡压缩率与精度。