摘要
近日，智象未来团队正式推出全新自回归图像编辑框架 VAREdit，作为全球首个纯自回归的图像编辑模型，这也是该领域的又一重大突破。该框架不仅能够精准执行用户指令，避免过度修改，还将编辑速度提升至 0.7 秒级，为实时交互与高效创作开辟新路径。
近日，智象未来团队正式推出全新自回归图像编辑框架 VAREdit，作为全球首个纯自回归的图像编辑模型，这也是该领域的又一重大突破。该框架不仅能够精准执行用户指令，避免过度修改，还将编辑速度提升至 0.7 秒级，为实时交互与高效创作开辟新路径。
长期以来，扩散模型在图像编辑中虽能生成高质量画面，但存在局部修改牵动整体结构、编辑不够精准，以及多步迭代效率低等瓶颈。针对这一问题，VAREdit 首次将视觉自回归（VAR）架构引入图像编辑任务。它将编辑定义为「下一尺度预测」，逐层生成多尺度残差特征，实现局部精准修改与整体结构保持的统一。同时，团队创新设计了尺度对齐参考（SAR）模块，有效解决尺度匹配难题，进一步提升编辑质量与效率。
在权威基准 EMU-Edit 与 PIE-Bench 测试中，VAREdit 在 CLIP 与 GPT 等指标全面领先。其中，VAREdit-8.4B 在 GPT-Balance 指标上较 ICEdit 和 UltraEdit 分别提升 41.5% 和 30.8%；轻量版 VAREdit-2.2B 可在 0.7 秒内完成 512×512 图像高保真编辑，实现数倍提速。
目前，VAREdit 已在 GitHub 和 Hugging Face 平台全面开源。智象未来团队表示，未来将持续探索视频编辑、多模态生成等应用场景，推动 AI 图像编辑迈入高效、可控、实时的新纪元。
来源：互联网
