vivo BlueImage Lab 投稿

量子位 | 公众号 QbitAI

如今手机拍照已成往日，后期修图是进步像片质感的要津。

但专科修图器具操作复杂，一键滤镜格调生硬，现存AI修图决议也存在难以端到端优化、模子重大不适配移动端等问题。

为此，vivo BlueImage Lab团队、浙江大学臆想机科学与本领学院AiXM实验室、之江实验室与中国科学院大学结伴发布了一项新的斟酌使命VeraRetouch——

面向多任务推理式的像片影合并颜色“修图”，淡薄了一个轻量、全可微分、可移动端部署的修图框架。

通过将0.6B视觉谈话模子作为“修图大脑”，并想象全可微分的Retouch Renderer作为“修图实施器”，VeraRetouch概况把高层谈话意图转念为低层像素级诊治，在保握图像结构和细节的同期完成专科化色调与颜色优化。

让大模子的确“会修图”，而不仅仅会说若何修

传统自动修图活动大多像一个黑盒：输入像片，输出恶果，中间枯竭明确的审好意思分析与诊治逻辑。

其后的推理式修图活动引入多模态大模子，让模子概况分析像片问题、给出修图门径，再调用外部器具实施诊治。

这条路子更接近东说念主类修图师的使命形态，但也带来一个中枢瓶颈：外部修图软件频繁不成微分。模子生成的参数能否的确带来更好的像素恶果，很难通过端到端窥探凯旋优化。

VeraRetouch的要津窜改在于，它不再把专科修图器具作为外部黑盒，而是用一个全可微分的 Retouch Renderer替代传统软件中的调色与调光操作。

这么一来，模子不仅能“推理出该若何修”，还能通过图像监督凯旋学习“如何修才确实雅瞻念”。

斟酌团队将修图空间拆解为三个相对孤苦的终了维度：

Lighting：曝光、暗影、高光等光照联系诊治

Global Color：色温、色调、举座颜料倾向等全局颜色诊治

Specific Color：针对红色、橙色、蓝色等特定颜料通说念的考究诊治

这种拆解形态与专科修图经过高度一致，也让模子的输出更可确认、更结识。

△

Retouch Encoder从参考图像对中索取光照、全局颜色和特定颜色终了latent，Retouch Renderer再将这些终了信号映射到像素级修图恶果

三种任务：从“一键变雅瞻念”到“按你说的修”

VeraRetouch面向的确用户需求界说了三类修图任务。

Auto-Retouch

Style-Retouch

Param-Retouch

△VeraRetouch援手自动修图、格调修图与参数修图三类典型使命流，让用户不错快速从“这张图需要若何修”认知到“模子正在作念什么”。

第一类是Auto-Retouch。

用户只需要输入一张像片，模子自动分析画面中的光影和颜色问题，并生成修图决议。这对应最常见的“一键优化”场景，但办法不是套滤镜，而是在保留原图内容的基础上进步举座不雅感。

第二类是Style-Retouch。

用户不错用当然谈话模样想要的格调，比如“蔼然秋日感”“冷调日系透明感”“暗调情谊胶片风”。

模子会结合图像内容和文本意图，推理出具体的调色标的，并生成合适格调模样的恶果。

第三类是Param-Retouch。

模子不错凭据明确的参数领导进行修图，举例对比度、曝光、色温、迷漫度等。

换句话说，它既能“我方看图修”，也能“听懂你想要什么格调”，还能“按参数实施”。

数据问题若何科罚？构建百万级专科修图数据集

高质地修图模子离不开高质地数据。然而，专科修图数据相等稀缺。已罕见据集界限有限，且很难障翳的确用户复杂万般的格调需求。

为此，斟酌团队构建了AetherRetouch-1M+，这是一个百万级多任务专科修图数据集，障翳Auto-Retouch、Style-Retouch与Param-Retouch三类场景。

△

AetherRetouch-1M+ 障翳自动修图、格调修图与参数修图三类任务，为多任务推理式修图提供大界限窥探数据

对于自动修图，团队接纳了一个很专诚旨道理的“反向退化”想路：

先从高质地像片开赴，把它们视作“已修好”的恶果，再基于大家修图对中的颜色与光照变化，反向生成更像原始像片的“未修图”版块。

这么不错在保留的确内容结构的同期，构造多数具有的确纰谬的窥探样本。

对于格调修图，团队整理了5030个在线格调预设，障翳11个大类和193个细分子类，并借助视觉谈话模子为图像匹合作适格调，再生成万般化用户领导。

对于参数修图，团队围绕光照、全局颜色和特定颜色三类操作就地采样参数组合，生成可用于精准终了窥探的数据。

更进一步，JRS直播数据鸠合还加入了结构化推理过程：模子不仅学习“输入到输出”，还学习为什么要这么诊治，包括画面内容分析、原图问题会诊，以及对应的修图筹算。

△

AetherRetouch-1M+的数据构建经过，包括自动修图的反向退化、格调预设匹配与参数采样三条数据生成旅途

本领中枢：小模子，也能作念专科推理修图

VeraRetouch基于FastVLM-0.5B构建。输入图像经过视觉编码器转成视觉token，用户领导经过文本编码器转成prompt token，随后多模态谈话模子生成结构化推理内容。

△

VeraRetouch举座框架。输入图像与用户领导经过轻量VLM生成结构化推理与终了latent，再由Retouch Renderer输出最终修图恶果

为了让推理恶果的确脱手像素诊治，斟酌团队想象了专门的retouch tokens，分辨对应光照、全局颜色和特定颜色三个终了维度。

模子终末一层hidden state会被送入MLP Retouch Adaptor，对王人到Retouch Renderer可认知的连气儿终了latent，再由Retouch Renderer输出最终修图恶果。

这套想象带来两个首要上风。

2026美加墨世界杯中国官网入口

开头，它幸免了模子推理时对外部修图软件的依赖。总计这个词修图过程不错在模子里面完成，并援手端到端像素级窥探。

其次，它比大型生成式图像裁剪模子更轻量。

VeraRetouch的总参数界限约为0.63B，远小于Flux.1 Kontext、Qwen-Image-2509、MonetGPT、JarvisArt等基线活动，更接近移动端履行部署需求。

为了进一步进步审好意思透露，团队还淡薄了DAPO-AE后窥探政策，通过神态奖励、图像相似性奖励和审好意思奖励，领导模子在保握领导一致性的同期生成更当然、更合适东说念主类好意思学偏好的修图恶果。

实验恶果：质地、速率和可部署性同期进步

实验表露，VeraRetouch在多个基准上取得了率先透露。

在FiveK-Bench自动修图任务上，VeraRetouch-DAPO-AE达到26.85 dB PSNR，比较Flux.1 Kontext进步1.08 dB，同期在SSIM、LPIPS和多项直方图一致性筹画上透露至极。

在Aether-Bench的格调修图任务中，VeraRetouch在PSNR、SSIM、LPIPS、DISTS、GMSD和Texture Distortion等筹画上均取得最优或率先透露，确认它不仅能奴隶格调领导，也能更好地保留原图结构与纹理细节。

在参数修图任务中，VeraRetouch的PSNR达到30.18 dB，理会跳跃微调后的扩散模子基线，展现出对精准修图参数的强实施才气。

然而作家也在论文中提到，由于构造窥探数据时接纳结伴高斯散播进行参数采样，模子在实施散播外参数时可能会出现一些不一致的情况。

从三个任务视频不错看到，VeraRetouch的修图恶果并不是节略改变举座滤镜强度，而是会凭据任务类型分辨处理画面亮度、颜色倾向、局部颜料与格调氛围。

对于自动修图，它更强调当然不雅感；对于格调修图，它更暖热谈话模样与视觉格调的一致性；对于参数修图，它则强调诊治恶果的可控性和可复现性。

速率方面，VeraRetouch在H20 GPU上处理一张512p图像仅需6.90秒，快于Flux.1 Kontext的16.78秒和JarvisArt的14.31秒。

更首要的是，模子在销耗级成立上也具备部署后劲：未经量化的版块在MacBook Air M4上约7.46秒，在iPhone 16 Pro上约13.56秒即可完成自动修图。

用户斟酌相似考证了这少量。38名参与者的盲评恶果表露，VeraRetouch在视觉好意思感、领导一致性和纹理保握方面都取得了最高评分。

DAPO-AE后窥探也带来更理会的东说念主类偏好进步，在对比实验中取得61.62%的偏好率。

固然，论文也指出，面前模子在局部修图才气上仍有进步空间。

异日若进一步引入像素级mask机制，VeraRetouch有望援手更无邪的区域化裁剪，举例只提亮东说念主物面部、只诊治天外颜色，或只优化配景氛围。

对于作家

vivo BlueImage Lab是蓝图影像窜改实验室，主要端庄移动影像算法窜改，包括图像/视频处理、图像/视频交互、图像/视频增强、多模态认知大模子等方面的本领前沿探索。

竭力于于不停进步vivo移动影像的算法才气，使用户概况拍摄出愈加明晰、好意思不雅的像片和视频。同期积极探索增强现实、具身智能等新兴本领领域的欺诈，辛苦为用户提供愈加丰富和方便的影像体验。

论文勾通：https://arxiv.org/pdf/2604.27375

技俩主页：https://apollo-yi.github.io/VeraRetouch/

代码勾通：https://github.com/OpenVeraTeam/VeraRetouch

一键三连「点赞」「转发」「注重心」

接待在褒贬区留住你的想法！

— 完 —

咱们正在招聘又名眼疾手快、暖热AI的学术裁剪实习生 🎓

感敬爱敬爱的小伙伴接待暖热 👉 了解笃定

🌟 点亮星标 🌟

科技前沿进展逐日见JRS直播2026世界杯赛事直播入口