中文图像编辑迎来新王！UniWorld-V2发布，框选即改、中文字体精准渲染，性能碾压GPT-Image与Gemini

在图像编辑领域，一项颠覆性的技术正在改变游戏规则!兔展智能与北京大学的 UniWorld 团队推出了新一代图像编辑模型 ——UniWorld-V2。这一模型不仅在图像处理的细节控制上超越了 Nano Banana，更在理解中文指令方面表现出色。

UniWorld-V2基于一种创新的视觉强化学习框架 ——UniWorld-R1，该框架首次将强化学习策略优化应用于图像编辑，显著提升了编辑的准确性和灵活性。与传统的监督微调方法相比，UniWorld-R1的设计旨在解决数据过拟合和泛化能力差的问题，让模型在面临多样化编辑指令时能够更好地响应。

举个例子，当用户要求 AI 将一位女生的手势改为 “OK” 时，UniWorld-V2能够精准理解并修改。与之相比，Nano Banana 则未能准确捕捉用户的意图。更令人惊叹的是，在海报编辑示例中，UniWorld-V2能够渲染出复杂的中文艺术字体，如 “月满中秋”，确保效果清晰且语义准确。

该模型的精细化控制力同样令人瞩目。通过简单的框选操作，用户可以指定编辑区域，实现高难度的调整，比如将特定物体移出框外。此外，UniWorld-V2还能在光影处理方面展现出色的能力，能够自然地将物体融入场景，提升整体的和谐感。

在测试基准 GEdit-Bench 和 ImgEdit 中，UniWorld-V2分别以7.83和4.49的高分遥遥领先其他知名模型，如 OpenAI 的 GPT-Image-1和 Gemini2.0。这些成绩的背后，得益于 UniWorld-R1框架的强大通用性，它不仅提升了 UniWorld-V2的性能，也为其他模型带来了显著改进。

UniWorld-R1的论文、代码和模型已在 GitHub 和 Hugging Face 平台上公开，为未来的研究打下基础。这一技术的发布，不仅推动了多模态领域的发展，也为图像编辑技术带来了新的可能性。

论文地址:

https://arxiv.org/abs/2510.16888

GitHub链接:

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