这个春节P图不求人！小红书开源图像编辑新SOTA

允中 发自 凹非寺
量子位 | 公众号 QbitAI

AI生图领域，又出了个“狠角色”。

今日，小红书基础模型FireRed-Image-Edit正式亮相。

看似“低调”，实则战绩惊人——其在处理复杂编辑指令、风格化转换，及高精度文字编辑等多个核心指标上，展现出超强实力。

对比结果显示，FireRed-Image-Edit凭借更精准的理解力、更强的ID保持度及高效的架构，在多项权威测试中脱颖而出，在ImgEdit、GEdit等多个榜单中取得了SOTA，达到业界领先水平。

△主流榜单和自建评测集上的指标对比

这种高效架构背后的技术底座，来自小红书Super Intelligence Team在图像生成与编辑领域的一次重要探索。

划重点！目前该项目代码、技术报告、demo网页已开源，模型权重也即将在未来几天开源。

△人工评估胜出率

硬核评测指标与全链路技术底座

FireRed-Image-Edit之所以能被称为“狠角色”，不仅在于榜单上的惊艳表现，更源于小红书团队为其量身定制的一套“高难度考卷”与“进阶版练功房”。

1、重新定义标准：RedEdit Bench

在AI生图领域，现有的基准测试往往难以覆盖用户真实的复杂需求。为此，团队推出了RedEdit Bench这一深度评测方案。

• 全场景覆盖：包含15个子任务。除了常规的画面增删改外，该评测集还前瞻性地纳入了人像美化、低画质增强等高频实战场景。

• 真实严苛：对比实验表明，相比ImgEdit和GEdit，该Bench对编辑模型通用能力的评估精度更高。

该Bench随后会开源，以期为开源社区对图像编辑模型的评估建立新维度的标准。

2、核心战力来源：数据构造与三阶段训练

有了严苛的考卷，如何“培养”出高分考生？

FireRed-Image-Edit依靠的是一套极具效率的数据引擎与训练逻辑——

首先来看数据引擎方面，FireRed-Image-Edit构建了一套图像编辑数据生产引擎，从“快速、可控、精准”出发，将复杂编辑需求拆解为可组合的子任务，并通过三条路径规模化产出训练对：

• 指令控制的专家模型合成；

• 结构化控制（如分割/关键点/深度等）的专家模型合成；

• 模型无关的模板化合成（如3D/布局/文字）。

针对长尾编辑任务样本稀缺问题，采用“检查—补齐”的定向补数流程，由引擎快速生成针对性数据，并配合三层级去重、十余种质量清洗算子与严格一致性守门员，确保数据的指令遵循、视觉自然度与内容一致性。

而在模型训练方面，当前模型框架参考主流编辑模型框架，模型通过三阶段训练来完成能力的进阶。

• 预训练阶段：通过多条件感知桶采样来平衡不同的编辑任务，并通过随机动态指令来提升模型的指令泛化理解能力，并通过前置的embedding抽取来提升训练效率；

• 微调阶段：通过高质量数据的引入，来提升模型表现；

• 强化学习阶段：通过非对称梯度优化来强化正样本反馈，基于OCR奖励的diffusionNFT来提升文字编辑准确性。

模型核心能力展示

FireRed-Image-Edit的强大，源于对“编辑”二字的深度理解。

并非简单重绘，而是实现精准控制，其核心能力提升如下。

1、指令遵循一致性

指的是模型引入随机指令对齐的机制，通过随机打乱和动态重组prompt，来使模型能真正理解语义与图像的对应关系，而非死记硬背。

请修正图像中的错误。

示例1：

示例2：

2、文字编辑

FireRed-Image-Edit创新性地提出了Layout-Aware OCR-based Reward。

在强化学习阶段，团队不仅惩罚错别字，还惩罚字符的错位、大小异常和布局崩坏。

这使得模型在进行海报修改、文字替换时，能更准确地进行编辑并保持原始文字风格。

示例1：

将海报上右下角的文字“ programme”修改为“program ongoing”，保持字体和风格一致。

示例2：

用参考图的玩偶作为画面主角，衣服上面印着“FireRed-Image-Edit”字样，站在童话感花园草地中，周围有精致小花和柔和建筑背景，整体风格温暖梦幻，超清细节，商业级摄影质感。 小红薯正对镜头，自信可爱地站立，身后是一块黑板，用白色粉笔清晰写着： “FireRed-Image-Edit三大绝活：文字艺术家：中英文字体排版专业稳定，视觉风格统一 时光修复师：老照片修复细节丰富，呈现自然真实造型设计师：智能换装精准自然，多风格服饰一键切换”，文字为白色粉笔手写体。 画面光线柔和自然光，浅景深，背景轻微虚化，色彩明亮饱满，高清8K，真实摄影风格，细节锐利，无噪点，无畸变。

3、创意与多图生成

同时依赖于强大的模型架构能力，FireRed-Image-Edit支持了创造力场景生成和多参考图生成的能力，支持风格迁移或多图融合。

示例1：

模特穿上图1服饰，版型宽松。搭配黑色、材质为氨纶、纯色、紧身、长度至大腿中部的骑行短裤，再搭配金色圆环耳环。

示例2：

一瓶香水放居中，香水瓶放在水面上，透明方形瓶身搭配金色金属瓶盖，极简而现代。晶莹的水花如爆炸般环绕瓶身绽放开，无数水滴在空中定格，折射出梦幻的光彩。底部水波涟漪层层扩散，与飞溅的水花形成动静交织的视觉张力。清凉活力与高端奢华并存，仿佛将夏日清泉的瞬息灵动永久封存。透过瓶身能看到香水背后的说明书。

示例3：

将这张图变成游戏CG风格，极具艺术感，震撼人心，超高清。落叶飞溅，前景落叶虚化，动态模糊，背景动态虚化，阳光灿烂，蓝天白云，光影交错，仰拍特写镜头，突出速度感和视觉冲击力，强透视。

示例4：

将这张图变成游戏CG风格，极具艺术感，震撼人心。

示例5：

设计一张A6折叠卡：打开时显示图片中的小屋。

示例6：

画质修复，细节重现：除了通用编辑，实际应用中，用户经常面临照片模糊、低分辨率、曝光不足或画质受损的问题。FireRed-Image-Edit将超分、去模糊、去噪及光影增强等底层视觉任务统一纳入了指令微调的范畴。让用户可以一键画质调整。修复并上色这张老照片，使其看起来像是用现代相机拍摄的。

示例7：

将这张模糊的图像增强清晰度，使其极为清晰且高质量。

通过开源FireRed-Image-Edit，小红书希望为社区提供一个高效、可控、高质量的基座。

后续将会进一步提升基础模型在人像美化、一致性、文字上的编辑能力，并将在未来几个月内持续开源更新版本和文生图基座模型。

欢迎大家下载体验，在GitHub上点亮Star！

GitHub:
https://github.com/FireRedTeam/FireRed-Image-Edit
技术报告:
https://github.com/FireRedTeam/FireRed-Image-Edit/blob/main/assets/FireRed_Image_Edit_1_0_Techinical_Report.pdf
体验Demo:
https://huggingface.co/spaces/FireRedTeam/FireRed-Image-Edit-1.0

以下是小红书Super Intelligence的团队介绍：

<原文链接：https://mp.weixin.qq.com/s/PJ1JVRCZDwMraC3agJWyIQ