开源动态8

智象未来VAREdit：秒级精准图像编辑

量子位2025-09-02

AI 摘要

智象未来团队：针对AI图像编辑难题，提出VAREdit自回归框架，引入视觉自回归架构，还开发SAR模块优化，在基准测试中精准度和速度表现佳，未来将探索新一代架构。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

复旦&引望WAM-Diff2让自动驾驶解码提速15.1倍

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

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。

当前图像编辑模型处理三维状态常出错。浙江大学ReLER团队提出并开源PhyEdit，用显式3D几何preview指导图像编辑，还加入深度监督，构建数据集和评测基准，成绩超Nano Banana Pro，且GUI也开源。

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。