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

京东探索研究院近期开源其自研的JoyAI-Image-Edit图像模型，这一动作在AI开发者社区引发了广泛关注。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

此次开源并非简单的版本更新，而是标志着首个将“空间智能”深度整合进模型架构的开源成果正式面世。该模型的核心价值在于，它使AI图像处理能力从二维平面的简单修饰，跃升为能够理解三维空间结构并进行精准编辑的工程级工具。其推理代码完全开放，为开发者提供了直接调用与部署的便利，大幅降低了技术应用门槛。

攻克传统图像编辑模型的空间逻辑缺陷

传统AI图像编辑模型在处理空间关系时，常出现背景扭曲、光影错位或场景结构崩塌等问题。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逻辑的深度理解。

JoyAI-Image-Edit的突破性在于其底层架构深度整合了真实世界的空间规律。该模型对空间位置关系、多视角一致性、相机位姿感知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准控制。

这一突破的关键在于，它弥合了AI“图像理解”与“图像生成”之间的鸿沟。模型在生成逼真外观的同时，能精准把握图像背后的三维空间骨架。无论是移动物体、切换视角还是调整物体相对位置，都能确保场景符合几何规律，实现自然的遮挡与光影过渡，从而根除了空间错乱与物体变形等顽疾。

实验数据表明，在物体移动精度、空间一致性等核心评估指标上，JoyAI-Image-Edit的表现已达到业界领先水平。

三大空间编辑范式与15类通用能力融合

该模型的“空间智能”具体体现为三大创新编辑范式：

视角变换：用户通过自然语言指令（如“相机左转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，生成全新的视角图像，效果如同操控一台虚拟摄像机。

空间漫游：支持生成在三维空间中连续、逻辑一致的多帧图像序列，实现了在虚拟场景中的“行走”观察体验。

物体空间关系操控：在维持整体场景结构稳定的基础上，可对画面中特定物体进行位移、缩放等操作，并自动、精准地处理由此产生的物体遮挡与光影变化。

在实现上述空间级能力突破的同时，JoyAI-Image-Edit并未牺牲通用性。它高效整合了包括物体替换、删除、添加，以及整体风格迁移、细节精修在内的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。

正是这种“空间智能”与“通用编辑”的深度融合，使得该模型在处理长文本精准渲染、多视角一致性生成等高难度任务时展现出显著优势，实现了全场景、高精度的内容创作支持。

凭借其领先的空间理解与编辑能力，JoyAI-Image-Edit的应用潜力被极大拓展。从电商内容生成、创意设计到智能图像处理、3D模型重建，乃至当前前沿的具身智能视觉感知领域，它都能提供关键技术支持。

尤其在具身智能领域，机器人对三维环境的理解是其实现自主交互的基础。JoyAI-Image-Edit这类模型的推出，为相关技术的研发提供了至关重要的底层视觉感知与空间推理能力。