中文圖像編輯迎來新王！UniWorld-V2發佈，框選即改、中文字體精準渲染，性能碾壓GPT-Image與Gemini

在圖像編輯領域，一項顛覆性的技術正在改變遊戲規則!兔展智能與北京大學的 UniWorld 團隊推出了新一代圖像編輯模型 ——UniWorld-V2。這一模型不僅在圖像處理的細節控制上超越了 Nano Banana，更在理解中文指令方面表現出色。

UniWorld-V2基於一種創新的視覺強化學習框架 ——UniWorld-R1，該框架首次將強化學習策略優化應用於圖像編輯，顯著提升了編輯的準確性和靈活性。與傳統的監督微調方法相比，UniWorld-R1的設計旨在解決數據過擬合和泛化能力差的問題，讓模型在面臨多樣化編輯指令時能夠更好地響應。

舉個例子，當用戶要求 AI 將一位女生的手勢改爲 “OK” 時，UniWorld-V2能夠精準理解並修改。與之相比，Nano Banana 則未能準確捕捉用戶的意圖。更令人驚歎的是，在海報編輯示例中，UniWorld-V2能夠渲染出複雜的中文藝術字體，如 “月滿中秋”，確保效果清晰且語義準確。

該模型的精細化控制力同樣令人矚目。通過簡單的框選操作，用戶可以指定編輯區域，實現高難度的調整，比如將特定物體移出框外。此外，UniWorld-V2還能在光影處理方面展現出色的能力，能夠自然地將物體融入場景，提升整體的和諧感。

在測試基準 GEdit-Bench 和 ImgEdit 中，UniWorld-V2分別以7.83和4.49的高分遙遙領先其他知名模型，如 OpenAI 的 GPT-Image-1和 Gemini2.0。這些成績的背後，得益於 UniWorld-R1框架的強大通用性，它不僅提升了 UniWorld-V2的性能，也爲其他模型帶來了顯著改進。

UniWorld-R1的論文、代碼和模型已在 GitHub 和 Hugging Face 平臺上公開，爲未來的研究打下基礎。這一技術的發佈，不僅推動了多模態領域的發展，也爲圖像編輯技術帶來了新的可能性。

論文地址:

https://arxiv.org/abs/2510.16888

GitHub鏈接:

https://github.com/PKU-YuanGroup/UniWorld