算法论文8

百度：用1%数据实现图像编辑近SOTA效果

量子位2025-12-06

AI 摘要

百度研究团队提出新视角，将图像编辑视为退化时间过程。Video4Edit利用视频预训练模型知识迁移，仅用1%监督数据，在多种图像编辑任务达近SOTA效果，降低数据依赖。

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。

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。

百度开源的Unlimited - OCR项目目标是处理图片、长文档等资料，将其转化为Markdown等结构化结果。它提供多入口，解决传统OCR处理长文档的问题，有多种应用方向，但也有边界。