在AI圖像編輯領(lǐng)域，傳統(tǒng)模型長(zhǎng)期面臨空間邏輯混亂的難題——當(dāng)用戶嘗試移動(dòng)物體、切換視角或調(diào)整物體層次時(shí)，常出現(xiàn)幾何變形、光影錯(cuò)亂、遮擋關(guān)系失衡等問(wèn)題。這一困境源于多數(shù)模型僅能在二維平面進(jìn)行像素級(jí)操作，無(wú)法理解圖像背后的三維空間結(jié)構(gòu)。近日，京東探索研究院推出的開(kāi)源模型JoyAI-Image-Edit通過(guò)構(gòu)建空間智能體系，實(shí)現(xiàn)了從平面修圖到三維空間重塑的技術(shù)跨越。

該模型突破性地將空間認(rèn)知能力深度融入圖像生成流程，通過(guò)建立完整的空間理解數(shù)據(jù)與任務(wù)體系，在相機(jī)坐標(biāo)變換、物體空間位移、幾何結(jié)構(gòu)控制等維度實(shí)現(xiàn)技術(shù)突破。實(shí)驗(yàn)數(shù)據(jù)顯示，在物體移動(dòng)精度、多視角一致性等核心指標(biāo)上，其性能已達(dá)到國(guó)際領(lǐng)先水平。開(kāi)發(fā)者可通過(guò)公開(kāi)的推理代碼直接調(diào)用模型能力，無(wú)需從零構(gòu)建空間編輯框架。

JoyAI-Image-Edit的三大核心能力構(gòu)建起差異化優(yōu)勢(shì)：視角變換功能支持用戶通過(guò)自然語(yǔ)言精準(zhǔn)控制相機(jī)偏航角、俯仰角及縮放參數(shù)，在保持場(chǎng)景幾何一致性的前提下生成新視角圖像；空間漫游能力可實(shí)現(xiàn)連續(xù)視角移動(dòng)，生成邏輯連貫的多視角圖像序列，模擬三維場(chǎng)景中的自然移動(dòng)效果；物體空間關(guān)系操控則能在保持整體結(jié)構(gòu)穩(wěn)定的前提下，對(duì)特定物體進(jìn)行位移、縮放等操作，同時(shí)自動(dòng)修正遮擋與光影關(guān)系。這些能力使模型在處理復(fù)雜空間場(chǎng)景時(shí)，既能保持主體形態(tài)完整，又能確保場(chǎng)景布局符合物理規(guī)律。

在通用編輯能力方面，該模型兼容15類高頻創(chuàng)作需求，包括物體替換、刪除、添加，以及風(fēng)格遷移、細(xì)節(jié)精修等操作。通過(guò)將空間編輯技術(shù)與長(zhǎng)文本渲染、多視角一致性生成等難點(diǎn)任務(wù)結(jié)合，模型在電商內(nèi)容生產(chǎn)、創(chuàng)意設(shè)計(jì)、智能圖像處理等領(lǐng)域展現(xiàn)出顯著優(yōu)勢(shì)。特別是在3D模型重建場(chǎng)景中，其空間理解能力可大幅提升重建精度；在具身智能領(lǐng)域，該技術(shù)為機(jī)器人視覺(jué)感知提供了關(guān)鍵底層支持，幫助設(shè)備更準(zhǔn)確地理解三維環(huán)境。

京東近期在AI領(lǐng)域動(dòng)作頻頻。除開(kāi)源JoyAI-Image-Edit外，其基礎(chǔ)大模型JoyAI-LLM Flash已打破參數(shù)競(jìng)賽困局，云業(yè)務(wù)"龍蝦"系列產(chǎn)品上線后token調(diào)用量周環(huán)比增長(zhǎng)455%，全球最大具身數(shù)據(jù)采集中心建設(shè)也在穩(wěn)步推進(jìn)。這些布局彰顯了京東以供應(yīng)鏈優(yōu)勢(shì)推動(dòng)AI技術(shù)產(chǎn)業(yè)化的戰(zhàn)略方向，通過(guò)構(gòu)建從基礎(chǔ)研究到場(chǎng)景落地的完整鏈條，持續(xù)釋放AI技術(shù)的商業(yè)價(jià)值與社會(huì)價(jià)值。