在AI圖像編輯領域，傳統(tǒng)模型長期面臨空間邏輯混亂的瓶頸——移動物體時出現(xiàn)變形、切換視角時透視錯亂、調(diào)整物體層級時遮擋關系失衡。這些難題源于模型對三維空間結(jié)構的理解缺失，導致編輯操作僅停留在像素層面。京東探索研究院近日推出的開源模型JoyAI-Image-Edit，通過構建完整的空間智能體系，實現(xiàn)了從平面修圖到三維空間重塑的技術跨越。

該模型創(chuàng)新性地將空間認知能力深度融入圖像生成流程，通過建立相機坐標系變換、物體空間位移旋轉(zhuǎn)、幾何結(jié)構精準控制等核心技術模塊，構建起覆蓋空間位置關系、多視角一致性、場景推理等維度的完整體系。實驗數(shù)據(jù)顯示，在物體移動精度、空間布局合理性等關鍵指標上，該模型已達到國際領先水平。其突破性在于打破了"生成圖像"與"理解空間"的界限，使AI既能生成逼真視覺效果，又能精準維護場景的幾何規(guī)律與物理合理性。

三大核心編輯范式構成技術護城河：視角變換功能支持通過自然語言指令調(diào)整相機參數(shù)，在保持場景幾何一致性的前提下生成新視角圖像；空間漫游能力可連續(xù)生成邏輯連貫的多視角序列，實現(xiàn)三維場景中的"虛擬漫游"；物體空間關系操控技術能在保持整體結(jié)構穩(wěn)定的前提下，對特定物體進行位移、縮放等操作，并自動修正遮擋與光影關系。這些能力與15類通用編輯功能深度融合，覆蓋物體替換、風格遷移、細節(jié)精修等高頻需求，形成全場景創(chuàng)作解決方案。

在具身智能等前沿領域，該模型展現(xiàn)出獨特價值。其空間理解能力為機器人感知環(huán)境提供了關鍵技術支撐，使機械臂操作、自主導航等任務獲得更精準的空間坐標參考。在電商內(nèi)容生產(chǎn)場景中，模型可自動生成多角度商品展示圖；創(chuàng)意設計領域支持三維場景的快速構建與修改；智能圖像處理方面能高效完成復雜場景的修復與重構。技術團隊透露，模型已實現(xiàn)推理代碼全開源，開發(fā)者可直接調(diào)用核心功能開發(fā)應用。

這項突破是京東AI技術矩陣的重要拼圖。就在上月，該集團剛開源了基礎大模型JoyAI-LLM Flash，通過架構創(chuàng)新突破參數(shù)規(guī)模限制；京東云"龍蝦"系列產(chǎn)品上線后，token調(diào)用量周環(huán)比增長達455%；全球最大具身數(shù)據(jù)采集中心的建設也在穩(wěn)步推進。依托實體產(chǎn)業(yè)場景優(yōu)勢，京東正持續(xù)推動AI技術從實驗室走向規(guī)?；瘧?，構建起覆蓋基礎研究、技術開發(fā)、產(chǎn)業(yè)落地的完整生態(tài)。