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的開源模型。該模型突破傳統(tǒng)AI圖像處理僅限于平面修改的局限，實現(xiàn)了三維空間重塑能力，其核心推理代碼已完全開放，開發(fā)者可直接用于各類應用開發(fā)。

傳統(tǒng)圖像模型常因空間邏輯混亂導致物體變形、光影錯亂等問題，而JoyAI-Image-Edit通過構建完整的空間理解體系，從相機坐標變換、物體幾何控制到多視角一致性維護，系統(tǒng)性解決了這些行業(yè)痛點。實驗數(shù)據(jù)顯示，該模型在物體移動精度、空間布局合理性等關鍵指標上已達到國際領先水平，編輯后的圖像能自然呈現(xiàn)遮擋關系與光影變化，即使進行視角切換或物體重組，場景結構依然保持高度真實。

該模型的創(chuàng)新性體現(xiàn)在三大核心能力：其一，支持通過自然語言精準控制相機視角，用戶可指定偏航角、俯仰角等參數(shù)生成新視角圖像；其二，具備空間漫游功能，能連續(xù)生成邏輯連貫的多視角圖像序列，模擬三維場景中的移動觀察效果；其三，可對特定物體進行位移、縮放等操作，同時自動調整周邊環(huán)境的光影與遮擋關系，確保整體場景的物理合理性。這些能力使模型在處理復雜空間任務時表現(xiàn)出色，例如在電商場景中可快速生成多角度商品展示圖，在創(chuàng)意設計領域能實現(xiàn)虛擬場景的自由編輯。

除空間編輯突破外，JoyAI-Image-Edit還兼容15類通用圖像處理功能，涵蓋物體替換、風格遷移、細節(jié)優(yōu)化等高頻需求。通過將空間智能與通用編輯能力深度融合，該模型在長文本渲染、多視角一致性生成等復雜任務中展現(xiàn)出顯著優(yōu)勢，可滿足全場景創(chuàng)作需求。例如在3D模型重建領域，模型能根據(jù)單張圖片自動推斷物體空間結構，生成多視角一致的三維模型；在具身智能視覺感知方面，其空間理解能力為機器人環(huán)境感知提供了關鍵技術支撐。

目前，該模型已開放代碼與預訓練權重，支持商業(yè)與學術用途。其開源特性將加速空間智能技術在電商、設計、機器人等領域的落地應用，特別是為具身智能研發(fā)提供了低成本、高效率的視覺處理解決方案。隨著開發(fā)者社區(qū)的參與，JoyAI-Image-Edit有望推動AI圖像技術向更復雜的空間場景延伸，重新定義智能圖像處理的標準與邊界。