大廠在人工智能領(lǐng)域的競爭愈發(fā)激烈，技術(shù)迭代與場景落地成為關(guān)鍵戰(zhàn)場。京東近日推出開源圖像模型JoyAI-Image-Edit，將空間智能技術(shù)深度融入圖像生成與編輯領(lǐng)域，為電商內(nèi)容生產(chǎn)與具身智能訓(xùn)練提供全新解決方案。該模型通過理解三維空間關(guān)系，實現(xiàn)了對物體位置、角度和視角的精準(zhǔn)操控，在多項國際評測中達(dá)到領(lǐng)先水平。

傳統(tǒng)圖像編輯工具在處理空間關(guān)系時存在明顯短板，例如調(diào)整物體位置時易出現(xiàn)比例失調(diào)、光影錯亂等問題。JoyAI-Image-Edit突破性地將空間編輯作為核心能力，支持15類通用編輯任務(wù)的同時，新增物體移動、旋轉(zhuǎn)和視角變換等空間級操作。模型能夠解析"向右移動0.3米"或"旋轉(zhuǎn)45度"等精確指令，在電商場景中可快速生成多角度商品展示圖，顯著降低拍攝成本。實測顯示，即使處理毛絨材質(zhì)等復(fù)雜物體，模型仍能保持畫面結(jié)構(gòu)一致性。

技術(shù)架構(gòu)方面，該模型采用MLLM+VAE+擴(kuò)散模型的混合架構(gòu)，形成"理解-生成-再理解"的閉環(huán)流程。空間信息直接參與生成過程，配合300萬規(guī)模的空間數(shù)據(jù)集訓(xùn)練，使模型在2D語義感知、3D空間理解和4D時空推理三個維度實現(xiàn)突破。在SpatialEdit-Bench評測中，其空間編輯精度超越Veo3.1等視頻世界模型，物體整體得分達(dá)0.649，攝像頭整體得分0.571。

電商領(lǐng)域成為該技術(shù)首個落地場景。服飾類商品可通過模型一鍵調(diào)整折疊角度，家電產(chǎn)品能自動生成不同場景的擺放效果，結(jié)合文字標(biāo)注和背景修飾功能，實現(xiàn)"一次操作完成多需求"的精修效果。某鞋類品牌應(yīng)用后，商品圖生產(chǎn)效率提升4倍，拍攝成本降低60%。在具身智能訓(xùn)練方面，模型生成的空間一致性圖像數(shù)據(jù)可補(bǔ)充真實采集樣本，有效解決機(jī)器人訓(xùn)練的數(shù)據(jù)稀缺難題。

京東的AI布局呈現(xiàn)明顯的產(chǎn)業(yè)導(dǎo)向特征。除圖像模型外，其近期開源的JoyAI-LLM Flash模型通過優(yōu)化算法提升同等參數(shù)下的性能效率，降低開發(fā)者使用門檻。在基礎(chǔ)設(shè)施層面，全球最大的具身智能數(shù)據(jù)采集中心正在建設(shè)，結(jié)合模型生成能力構(gòu)建數(shù)據(jù)閉環(huán)。終端落地方面，JoyInside技術(shù)已嵌入家電、機(jī)器人等產(chǎn)品，實現(xiàn)AI能力與物理世界的直接交互。