阿里巴巴通义千问团队推出了全能图像编辑模型Qwen-Image-Edit，具备语义与外观双重编辑能力，支持中英文文字精准编辑，显著提升图像编辑效果。

本文介绍了一种新的图像合成方法，通过融合多个输入图像生成连贯的图像。利用预训练扩散模型的生成先验，实现了适用于外观编辑和语义编辑的通用图像合成。通过引导合成图像朝高密度区域优化的方法，实现了去噪和灵活的语义图像合成。实验证明该方法在通用的零样本图像合成方面具有优越性，并在物体移除和多概念定制等任务中显示出潜力。

该研究提出了一种快速高效且内存占用低的神经网络架构，可通过图像编辑和几何和外观调整实现用户友好的交互式编辑 Neural Radiance Fields，并通过语义特征提炼和局部 3D 感知图像内容，使编辑结果视角一致。相比于现有的基于文本引导的编辑方法，该方法加速了10-30倍，并在多个示例上展示了外观和几何编辑的效果。