本文提出了解决一般性编辑任务的统一框架！近期，复旦大学 FVL 实验室和南洋理工大学的研究人员对于多模态引导的基于文生图大模型的图像编辑算法进行了总结和回顾。综述涵盖 300 多篇相关研究，调研的最新模型截止至今年 6 月！
高质量图像编辑的方法有很多，但都很难准确表达出真实的物理世界。 那么，Edit the World试试。
当前，多模态大模型 （MLLM）在多项视觉任务上展现出了强大的认知理解能力。 然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。 比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。 定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma
拖动式图像编辑是一种新型的、用户交互式的图像编辑方法。
针对图像编辑中的扩散模型，中科院联合Adobe和苹果公司的研究人员发布了一篇重磅综述。
AI 图像编辑领域一直是热门领域，国内的妙鸭相机就是其中的代表产品，但 ToC 显然不是产品落地的唯一场景，更多垂直场景的落地才是 AI 图像编辑的发展方向。最近刚融到资的 AI 图像编辑工具 PhotoRoom，主切电商营销场景，目前累积下载已突破一亿次，已完成一轮 5000-6000 万美元的融资。
根据一篇推特文章报道，社交媒体巨头 Meta 推出了用于内容编辑和生成的最新人工智能 (AI) 模型。 该公司正在推出两种人工智能驱动的生成模型，一个是 Emu Video，利用 Meta 之前的 Emu 模型，能够根据文本和图像输入生成视频剪辑；另一个是模型 Emu Edit 专注于图像处理，有望提高图像编辑的精度。
来自伯克利人工智能研究（BAIR）实验室的研究人员开源深度学习模型 InstructPix2Pix，它可以遵循人类指令来编辑图像。InstructPix2Pix 在合成数据上进行训练，表现优于基线 AI 图像编辑模型。
