该文介绍首个指令式超高分辨率图像编辑数据集VINS-120K，含12万组4K三元组，并配套评测基准VINS-4KEval。提出高频感知后适应策略，通过注意力重缩放和频域监督，将低分辨率模型扩展至4K编辑，显著提升细节保真度，优于现有方法。