京东开源图像模型JoyAI-Image-Edit

大象新闻·大象财富记者 李莉 张迪驰

近日，京东探索研究院正式开源其自主研发的JoyAI-Image-Edit图像编辑模型，这一消息在人工智能与开发者社区中引发了广泛关注。此次开源并非简单的版本更新，而是被业界视为首个将“空间智能”深度融入模型架构的开源突破。这意味着，AI图像处理能力实现了从“二维平面修图”到“三维空间理解与编辑”的跨越式升级。更值得关注的是，其完整的推理代码已全面开放，开发者可直接调用与部署，极大地降低了技术应用门槛。

攻克传统AI图像编辑的空间逻辑混乱痛点

使用传统AI工具进行图片编辑时，最常遇到的难题便是空间逻辑的混乱。例如，移动一个物体可能导致背景扭曲或光影失真；切换观察视角则可能引发整个场景结构的崩塌。其根本原因在于，模型缺乏对真实世界物理规律与三维空间关系的深度理解。

JoyAI-Image-Edit的核心突破正在于此。该模型从底层架构上紧密贴合真实世界的空间规律，对空间位置关系、多视角一致性、相机位姿感知以及复杂场景推理进行了系统性建模。因此，它不仅能在相机坐标系下实现精准的视角变换、物体的位移与旋转，更能对场景的几何结构进行精确控制。

关键在于，它成功打破了AI“理解图像内容”与“生成图像像素”之间的壁垒。模型在生成逼真视觉效果的同时，能够精准把握图像背后隐含的三维空间骨架。无论是移动物体、调整视角，还是改变物体间的相对位置，都能确保场景遵循几何规律，实现自然的遮挡关系与光影过渡，从而从根本上解决了图像变形与逻辑错乱的历史性难题。

实验数据表明，在物体移动精度、空间一致性等衡量空间编辑能力的核心指标上，JoyAI-Image-Edit的表现已达到国际领先水平。

三大空间编辑范式引领变革，集成15类通用编辑功能

那么，这套模型的“空间智能”具体能实现哪些功能？它主要带来了三大标志性的编辑范式：

视角变换：用户仅需使用自然语言指令，例如“将相机向左旋转30度并拉远镜头”，模型即可在严格保持场景几何一致性的前提下，生成符合要求的新视角图像，如同操控一台虚拟摄像机。

空间漫游：此功能更进一步，支持连续的视角移动，能够生成在三维空间中逻辑连贯的多帧图像序列。用户可以想象为在一个虚拟场景中进行“漫步”观察。

物体空间关系操控：在确保整体场景结构稳定的基础上，对画面中的特定物体进行位移、缩放等操作，并自动、智能地处理由此产生的物体间遮挡与光影变化，实现无缝融合。

在实现上述空间级能力突破的同时，JoyAI-Image-Edit并未忽视通用性。它全面集成并高效支持包括物体替换、删除、添加，以及整体风格迁移、局部细节精修在内的多达15类通用图像编辑能力，覆盖了内容创作中的绝大多数高频需求。

正因如此，结合其顶尖的空间理解技术，该模型在处理长文本精准渲染、多视角一致性生成等行业公认的高难度任务时，展现出显著优势，真正实现了全场景、高精度的AI图像编辑与内容创作。

凭借其领先的空间理解与编辑能力，JoyAI-Image-Edit的应用前景极为广阔。从电商内容生成、创意广告设计，到智能图像处理、3D模型辅助重建，乃至当前热门的具身智能视觉感知领域，它都能提供强大的技术支持。

特别是在具身智能领域，让机器人准确“理解”其所处的三维空间是实现与环境交互的核心基础。JoyAI-Image-Edit这类模型的推出，无疑为相关技术的研发与落地提供了关键的底层视觉能力支撑。