量子位
·
比NanoBanana更擅长中文和细节控制！兔展&北大Uniworld V2刷新SOTA
💡
原文中文，约3100字，阅读约需8分钟。
📝
内容提要
UniWorld-V2是兔展与北大团队推出的新一代图像编辑模型，基于UniWorld-R1框架，具备更强的中文理解和细节控制能力，超越多个顶尖模型，支持复杂指令和区域控制，推动图像编辑技术发展。
🎯
关键要点
- UniWorld-V2是兔展与北大团队推出的新一代图像编辑模型，基于UniWorld-R1框架。
- UniWorld-V2在中文理解和细节控制方面表现优异，超越多个顶尖模型。
- 该模型支持复杂指令和区域控制，推动图像编辑技术的发展。
- UniWorld-R1框架是首个视觉强化学习框架，采用Diffusion Negative-aware Finetuning技术。
- UniWorld-V2在GEdit-Bench和ImgEdit等基准测试中取得了SOTA成绩。
- 模型能够精准理解中文指令，渲染复杂艺术字体。
- 用户可以通过画框指定编辑区域，模型能严格遵守空间限制。
- UniWorld-R1框架具有强大的通用性，提升了其他基础模型的性能。
- UniWorld-V2在多个任务类型中表现优异，显示出强大的泛化能力。
- 研究团队的成果已在GitHub和Hugging Face平台公开发布，支持后续研究。
🏷️
标签
➡️
