在图像编辑领域，一项革命性的技术正在改变游戏规则！涂展智能与北京大学UniWorld团队推出了新一代图像编辑模型——UniWorld-V2。该模型不仅在图像处理的细节控制上超越了纳米香蕉，而且在理解中文指令方面也展现出了出色的表现。
UniWorld-V2基于创新的视觉强化学习框架——UniWorld-R1，率先将强化学习策略优化应用于图像编辑，显著提高了编辑的准确性和灵活性。与传统的监督微调方法相比，UniWorld-R1的设计旨在解决数据过拟合和泛化能力差的问题，使模型能够更好地响应多样化的编辑指令。
例如，当用户要求AI将女孩的手势更改为“OK”时，UniWorld-V2可以准确理解并修改。相比之下，Nano Banana 未能准确捕捉用户的意图。更令人惊讶的是，在海报编辑示例中，UniWorld-V2 可以渲染复杂的中文艺术字体，如“月圆中秋”，保证了清晰的效果和准确的语义。
该模型精细化的控制能力也令人瞩目。通过简单的框选作，用户可以指定编辑区域并实现高级调整，例如将特定对象移动到框外。此外，UniWorld-V2在光影处理方面还能够展现出出色的表现，将物体自然地融入场景中，增强整体的和谐度。
在测试基准测试GEdit-Bench和ImgEdit中，UniWorld-V2以7.83和4.49的高分领先于其他知名模型，如OpenAI的GPT-Image-1和Gemini2.0。这些成果背后有UniWorld-R1框架强大的通用性，不仅增强了UniWorld-V2的性能，也为其他模型带来了显著的提升。
UniWorld-R1 的论文、代码和模型在 GitHub 和 Hugging Face 上公开发布，为未来的研究奠定了基础。这项技术的发布不仅推动了多模态领域的发展，也为图像编辑技术带来了新的可能性。
论文地址：
https://arxiv.org/abs/2510.16888
GitHub 链接：
