近日，智象未来团队（HiDream.ai）推出了全新的自回归图像编辑框架VAREdit，这是全球首个纯自回归图像编辑模型，标志着图像编辑领域的一次重大技术飞跃。
该框架能够在0.7秒内完成512×512图像的高保真编辑，较传统扩散模型速度提升数倍，同时保持了出色的编辑精准度和指令遵循能力。
技术突破
VAREdit首次将视觉自回归（VAR）架构引入图像编辑任务，将编辑过程定义为“下一尺度预测”问题。
该框架通过逐层生成多尺度残差特征，实现了局部精准修改与整体结构保持的高度统一。团队创新设计了尺度对齐参考（SAR）模块，有效解决了尺度匹配难题，进一步提升编辑质量与效率。
SAR模块采用混合方案：在第一层提供多尺度对齐参考，后续层仅关注最细尺度特征。这种方法既保障了编辑精度，又保持了计算效率。
性能表现
在性能方面，VAREdit在权威基准测试中表现卓越。在EMU-Edit和PIE-Bench测试中，VAREdit在CLIP和GPT指标上均领先。其中，VAREdit-8.4B在GPT-Balance指标上较ICEdit和UltraEdit分别提升41.5%与30.8%，轻量级VAREdit-2.2B也显著优于竞品。
速度上，VAREdit基于下一尺度预测机制优势明显：8.4B模型在1.2秒内完成512×512图像编辑，比同类扩散模型快2.2倍；2.2B模型仅需0.7秒，实现近实时体验。
编辑效果上，VAREdit适用范围广，在多数编辑类型（如对象替换、风格调整）中保真度高、过度修改少。视觉对比显示编辑结果自然流畅。
引入SAR模块后，模型精准性指标进一步提升，凸显其优化价值。
VAREdit的高速度和高精度为图像编辑带来了全新的应用体验，普通用户也能在短短0.7秒内完成专业级图像编辑，极大地降低了创作门槛。
这种技术突破将为艺术创作、商业广告和社交媒体内容生成带来更多可能性。
技术论文：
https://arxiv.org/pdf/2508.15772
GitHub：https://github.com/HiDream-ai/VAREdit
#AI开源项目推荐##github##AI技术##AI图像编辑
