京東探索研究院近日宣布，其自主研發(fā)的圖像編輯模型JoyAI-Image-Edit正式開源，成為全球首個深度融合空間智能技術(shù)的開源模型。該模型突破傳統(tǒng)AI圖像處理的平面局限，通過三維空間理解與編輯能力，重新定義了AI在復(fù)雜場景中的圖像生成與修改方式，為開發(fā)者提供了可直接應(yīng)用的完整推理代碼框架。

傳統(tǒng)圖像模型常因空間邏輯缺失導(dǎo)致物體變形、光影錯亂等問題，而JoyAI-Image-Edit通過構(gòu)建完整的空間認(rèn)知體系，從相機(jī)視角、物體位移、幾何結(jié)構(gòu)等多維度建模，實(shí)現(xiàn)了三大核心突破：其一，支持通過自然語言精準(zhǔn)控制相機(jī)偏航角、俯仰角及縮放比例，生成符合幾何規(guī)律的新視角圖像；其二，可連續(xù)生成邏輯連貫的多視角圖像序列，模擬三維空間中的動態(tài)漫游效果；其三，在保持場景整體結(jié)構(gòu)穩(wěn)定的前提下，對特定物體進(jìn)行位移、縮放等操作，并自動調(diào)整遮擋與光影關(guān)系，確保視覺效果自然合理。

實(shí)驗(yàn)數(shù)據(jù)顯示，該模型在物體移動精度、空間一致性等關(guān)鍵指標(biāo)上已達(dá)到國際領(lǐng)先水平。其創(chuàng)新之處不僅在于空間編輯技術(shù)的突破，更在于將15類通用圖像編輯能力（如物體替換、風(fēng)格遷移、細(xì)節(jié)精修等）與空間理解深度融合，形成覆蓋全場景的創(chuàng)作工具鏈。例如，在電商領(lǐng)域，商家可通過文本指令快速調(diào)整商品展示角度或場景布局；在創(chuàng)意設(shè)計中，藝術(shù)家能高效生成多視角概念圖；在3D重建領(lǐng)域，模型可基于單張圖像推導(dǎo)三維結(jié)構(gòu)信息。

尤為值得關(guān)注的是，該模型為具身智能（Embodied AI）研發(fā)提供了關(guān)鍵技術(shù)支撐。在機(jī)器人視覺感知系統(tǒng)中，空間理解能力是實(shí)現(xiàn)環(huán)境交互的基礎(chǔ)，JoyAI-Image-Edit通過解析圖像中的深度信息與物體關(guān)系，為機(jī)器人構(gòu)建"空間認(rèn)知大腦"提供了底層能力支持。目前，該模型已開放代碼庫與預(yù)訓(xùn)練權(quán)重，開發(fā)者可基于其空間編輯框架開發(fā)各類垂直領(lǐng)域應(yīng)用，推動AI圖像技術(shù)從平面創(chuàng)作向三維空間智能的跨越式發(fā)展。