比PS更懂你的AI圖片編輯工具——MagicQuill（魔法羽毛）來了！

1分鐘出圖：不用打字、簡單勾畫幾筆就能編輯圖片。

還支持直接在iPad上在線編輯！

研究團(tuán)隊(duì)來自香港科技大學(xué)、螞蟻集團(tuán)、浙江大學(xué)和香港大學(xué)等機(jī)構(gòu)。

我們先一起看個(gè)例子感受一下——

有了MagicQuill，現(xiàn)在當(dāng)你想要給人物更換衣服時(shí)，就可以直接畫出領(lǐng)子，它會(huì)自動(dòng)幫你補(bǔ)全。

加條項(xiàng)鏈、去除路人，幾秒鐘就搞定：

你還可以更換發(fā)色、讓人物戴上花環(huán)，甚至更改花朵的顏色：

只需要1分鐘多的時(shí)間，就可以實(shí)現(xiàn)上面這么多編輯效果，尤其是對(duì)于想要快速修改照片的用戶來說，簡直太方便了！

還有更多有趣的例子，機(jī)器人、汽車、蛋糕等，都可以快速修改！

有多位網(wǎng)友評(píng)論說，AI圖像編輯真的進(jìn)步飛快，“能讀懂用戶心思”是非常具有未來感的用戶體驗(yàn)。

甚至還有網(wǎng)友說，顫抖吧，PS！

MagicQuill目標(biāo)是理解精細(xì)修改意圖

雖然目前AI圖像編輯工具是百花齊放，但想要實(shí)現(xiàn)精細(xì)編輯，很多工具的效果還是比較令人捉急。

MagicQuill團(tuán)隊(duì)的目標(biāo)是實(shí)現(xiàn)一個(gè)高效且精確的圖像編輯系統(tǒng)，能夠在用戶進(jìn)行細(xì)微修改時(shí)提供更好的使用體驗(yàn)。

這不僅包括實(shí)現(xiàn)細(xì)粒度的圖像編輯控制、還要提供直觀的用戶界面、并實(shí)時(shí)預(yù)測(cè)用戶意圖。

最終團(tuán)隊(duì)選擇基于擴(kuò)散模型、文本和掩碼的圖像編輯方法、以及多模態(tài)大型語言模型（MLLMs） 進(jìn)行實(shí)現(xiàn)，并設(shè)計(jì)了簡約實(shí)用的用戶界面。

MagicQuill的具體構(gòu)成

一起來看看MagicQuill系統(tǒng)的具體構(gòu)成是什么樣的。主要分為3個(gè)部分：

1.編輯處理器

編輯處理器采用雙分支架構(gòu)，包括內(nèi)容感知修復(fù)分支和結(jié)構(gòu)引導(dǎo)分支。

內(nèi)容感知修復(fù)分支利用UNet架構(gòu)，結(jié)合掩碼圖像特征和預(yù)訓(xùn)練的擴(kuò)散網(wǎng)絡(luò)進(jìn)行像素級(jí)修復(fù)。

結(jié)構(gòu)引導(dǎo)分支則通過ControINet插入條件控制，確保編輯操作的精確性。

2.繪畫助手

繪畫助手通過多模態(tài)大型語言模型（MLLM）實(shí)時(shí)預(yù)測(cè)用戶意圖。

具體的任務(wù)稱為“Draw&Guess”，也就是通過圖像上下文解釋用戶筆畫并自動(dòng)生成相關(guān)提示。

團(tuán)隊(duì)采用的數(shù)據(jù)集通過生成邊緣圖和模擬用戶筆畫進(jìn)行構(gòu)建，并使用LLaMA模型進(jìn)行微調(diào)。

3.創(chuàng)意收集器

創(chuàng)意收集器為用戶提供了一個(gè)簡約直觀的界面，它兼容多個(gè)平臺(tái)，團(tuán)隊(duì)也提供了在線demo，你可以在電腦或iPad上直接使用！

界面主要包括提示區(qū)、工具欄、圖層管理、主畫布、生成圖像預(yù)覽區(qū)、執(zhí)行按鈕和參數(shù)調(diào)整區(qū)。

按鈕設(shè)計(jì)非常簡潔，有上傳圖片、“增加”畫筆、“減少”畫筆、改顏色畫筆、橡皮等等。

下方的參數(shù)調(diào)整區(qū)域更適合有豐富的生圖經(jīng)驗(yàn)的專業(yè)人士：

比如在Base Model Name里，你可以選擇不同的基礎(chǔ)模型，有適合生成真實(shí)風(fēng)格的SD1.5/realisticVisionV60B1_v51VAE.safetensors、適合生成幻想風(fēng)格的SD1.5/DreamShaper.safetensors等。

你還可以調(diào)整Negative Prompt避免生成部分內(nèi)容、還有Fine Edge精細(xì)邊緣調(diào)整、Grow Size調(diào)整筆觸大小等等。完整工作流程如下圖所示。

實(shí)際效果怎樣呢？

為了更準(zhǔn)確地測(cè)試MagicQuill的具體效果，團(tuán)隊(duì)還設(shè)計(jì)了3個(gè)驗(yàn)證實(shí)驗(yàn)：

1.可控生成評(píng)估

將MagicQuill與四個(gè)基線方法（SmartEdit、SketchEdit、BrushNet及其組合）進(jìn)行比較，評(píng)估編輯處理器的可控生成能力，尤其關(guān)注邊緣對(duì)齊和顏色保真度。

結(jié)果顯示，MagicQuill的編輯處理器在所有指標(biāo)上均優(yōu)于基線方法，具有更高的邊緣對(duì)齊度和顏色保真度。

2.預(yù)測(cè)準(zhǔn)確性評(píng)估

為了評(píng)估MagicQuill在模擬手繪輸入下的語義預(yù)測(cè)準(zhǔn)確性，團(tuán)隊(duì)將它的繪畫助手與三種最先進(jìn)的MLLMs （LLaVA-1.5、LLaVA-Next、GPT-4o）進(jìn)行了比較。

結(jié)果顯示，繪畫助手在所有測(cè)試的MLLMS中表現(xiàn)最佳，可以更準(zhǔn)確地捕捉和預(yù)測(cè)用戶繪圖的語義含義。

3.創(chuàng)意收集器有效性評(píng)估

團(tuán)隊(duì)還通過用戶研究評(píng)估了創(chuàng)意收集器的效率和可用性，并比較了它與基線系統(tǒng)的差異。

用戶研究結(jié)果顯示，MagicQuill在所有評(píng)估維度上都顯著優(yōu)于基線系統(tǒng)，包括復(fù)雜性和效率、一致性和集成、易用性以及總體滿意度4個(gè)方面。

看來體驗(yàn)過的用戶反饋都不錯(cuò)呢！

未來工作

團(tuán)隊(duì)還表示，這將是一個(gè)長期的工作，未來他們的目標(biāo)是擴(kuò)展系統(tǒng)功能，納入更多的編輯類型，如基于參考的編輯，這將允許用戶使用外部圖像指導(dǎo)修改。

他們還計(jì)劃實(shí)現(xiàn)分層圖像生成，可以讓編輯更加靈活、支持更多復(fù)雜合成。

系統(tǒng)也會(huì)支持排版，能夠處理更多圖像中的文本元素。

目前MagicQuill的代碼、論文和Demo都已上線，感興趣的小伙伴可以馬上試用起來了！鏈接就在下方。