从「看懂」到「控制」，美图影像研究院科研能力再突破

人工智能的快速发展推动 AI 生成能力不断刷新认知，但 AI 在视觉领域的进化，离不开视觉理解、空间建模、时序一致性、美学表达等多个方向的持续突破，这更考验长期的视觉技术积累。

作为 AI 影像领域的「长期玩家」，美图影像研究院（MT Lab）围绕高频创作场景的真实痛点，持续展开研究。2026 年以来，共有 11 篇论文被 ICLR、CVPR、ICML、ECCV、ACM MM 等国际顶会接收，覆盖视频编辑、人像编辑、智能交互、视觉理解等多个方向，并将研究成果不断通过产品落地，转化为服务美图用户的 AI 影像能力。

在围绕模型的编辑能力方面，美图影像研究院（MT Lab）提出参考帧引导视频编辑统一框架 MiVE，实现包括改变发型、变换服装、妆容造型、重新打光、更换背景、天气变换、局部优化等在内的通用视频编辑能力；一致特征传输重打光新方案 CFT 实现人物一致性的丰富打光效果，目前已研发上线超过 50 种复杂光效；基于随机桥模型的新框架 BridgeRemoval 显著提升 AI 视频消除的精准度及时序一致性，并实现视频身材美型保护能力；基于 Self-Prompting 的图像文本编辑方法，实现在繁体中文、泰语、日语甚至是特殊符号等复杂文字场景中的「无痕改字」。面向原生 2K 多服饰试衣的新框架实现了端到端的多服饰生成，并且在 2K 高分辨率下，依旧能够保持羊毛、棉麻、粗针织等等服饰材质的真实质感。此外，提出了 All-in-One Slider 的统一多属性控制框架，为更灵活的组合、调度编辑能力奠定了基础。

在围绕「真实意图理解」方面，美图影像研究院（MT Lab）提出基于双向语义流的条件分割方法 FlowSeg，精准对齐画面对象与语言指令，准确判断编辑目标。

在前沿能力建设方面，美图影像研究院（MT Lab）提出了基于 DiT 的 3D 位置编码框架 PE-Field、动态毛发渲染框架 ControlHair、协同式图像编辑框架 SI-Edit 分别被深度学习领域顶级会议 ICLR 2026、计算机视觉领域三大顶会之一的 ECCV 2026、国际多媒体领域顶级会议 ACM MM2026 收录。

随着生成能力进化为更通用的基础能力，AI 影像真正的较量也开始深入真实创作场景，美图影像研究院（MT Lab）将前沿研究、专业数据、模型评测、工程落地环环紧扣，为美图形成真正可落地的产品力，而长期深耕 AI 影像的价值，也在这些细节中显现，在持续抬高模型能力上限的同时，让 AI 更懂真实创作需求，推动 AI 产品从「用户可用」走向「用户爱用」。

来源：互联网