GitHub:
https://github.com/FireRedTeam/FireRed-Image-Edit
技术报告:
https://arxiv.org/abs/2602.13344
体验Demo:
https://huggingface.co/spaces/FireRedTeam/FireRed-Image-Edit-1.1
图像编辑领域迎来重要更新。在 1.0 版本发布不到一个月后，小红书 Super Intelligence 团队正式推出了 FireRed-Image-Edit v1.1。
作为团队在图像生成与编辑领域的又一次深度探索，新版本在处理 ID 一致性编辑、多元素融合、人像美妆、字体风格参考等方面展现出更强的实力。同时，该版本提供了完整的训练与部署优化方案，端到端生成耗时约 4.5 秒，显存占用仅需 30GB。目前，该项目已完全开源，包括代码、技术报告、模型参数以及训练、蒸馏、推理的全套框架。
优秀的编辑性能
- 前沿的 ID 一致性：具备开源领域优秀的角色身份保持技术，确保人物主体在经历复杂编辑后依然可识别。
- 多元素融合：支持自由组合 10 余种元素，配备 Agent 智能自动裁剪与拼接功能。
- 全面的人像美妆：涵盖数十种风格，从专业级美颜精修、黄皮/橄榄皮提亮，到各类创意妆容。
- 字体风格参考：保持高保真排版与风格化文字渲染，效果媲美闭源解决方案。
- 专业级照片修复：支持高质量老照片修复与增强，具备卓越的细节还原能力。
极致的工程优化
- 开放的 LoRA 训练生态：开源完整训练代码，支持自定义风格创作。
- 极限速度优化：集成模型蒸馏、量化与静态编译技术，实现 4.5 秒端到端生成。
- 智能 Agent 工作流：自动多图处理流程，轻松应对虚拟试穿等复杂构图场景。
- 全平台部署支持：提供原生 ComfyUI 节点支持与 GGUF 轻量级格式兼容。
- 高效的训练方式：提前离线抽取特征，大幅提升模型训练速度。
T2I骨干网络原生的编辑能力
采用骨干无关的架构设计：基于 Qwen-Image 的文生图模型通过完整的预训练→SFT→RL 流程注入编辑能力，该能力可迁移至其他文生图（T2I）基础模型。
多元素融合与一致性编辑示例
编辑指令：将图2的男人，穿着图2的黑色“New York Bears”棒球夹克和迷彩裤子和蓝黑配色的 AJ1 高帮球鞋，在图1的空旷的橄榄球场上。球场阳光明媚，他带着图2黑色的帽子，帽檐是红色，夹克上的白色条纹在暗光中格外醒目。他的左肩随意地挎着图3那只复古棕色皮质旅行包，包口微微敞开，露出里面图3那个磨损的棕色橄榄球。右手则轻松地拖着图3的白色滑板，板底那威武的黑色狮子图腾在草地映衬下如同猛兽。
图3那只壮实的深棕色斗牛犬安静地蹲坐在他脚边的阴影里，忠诚地望向主人。男人脖子上挂着图2那副黑色 Beats 耳机，地上放着图3那座复古的青铜奖杯，在阳光下下泛着胜利的光芒。
人像编辑与 ID 保持示例
编辑指令：将背景换为带自然光效的浅蓝色，身穿浅米色蕾丝领上衣，将发型改为右侧佩戴精致珍珠发夹，同时单手向前抬起握着一把宝剑，另一只手自然摆放。面部微笑。
输入
Ours
其他模型对比 (Qwen-2511, Longcat, Flux2 Dev)
编辑指令：替换背景为盛开的樱花树场景；更换衣服为黑色西装，为人物添加单肩蓝色书包，单手抓住包带。头发变为高马尾。色调明亮。蹲下。
输入
Ours
其他模型对比 (Qwen-2511, Flux2 Dev, Nano Pro)
编辑指令：改变背景为粉色，移除所有竹叶；将人物姿态改为趴在粉色毛绒篮子内，双手撑在下巴下，头部和身体正对镜头，人物位于画面中心，眼神看向前方；更换帽子为带有粉色花朵和粉色耳朵的发带；更换服装为米色毛绒衣物；移除熊猫玩偶；调整面部表情为张嘴笑。
输入
Ours
其他模型对比 (Qwen-2511, Flux2 Dev, Nano Pro)
编辑指令：将背景替换为室外湖泊和树木场景；人物身体正向镜头，头部略微偏向画面的左侧，双臂交叉并用右手以及左胳肢窝抱持一个红色小鼓；拉近相机视角。
输入
Ours
其他模型对比 (Qwen-2511, Flux2 Dev, Nano Pro)
编辑指令：替换背景为户外场景（包含现代建筑、绿树、水池、金属栏杆）；调整人物为站姿，双手自然下垂。
输入
Ours
其他模型对比 (Qwen-2511, Flux2 Dev, Nano Pro)
编辑指令：替换背景为带有白色墙面、镜子、木质装饰和红色袋子的室内环境；将人物穿着改为浅蓝色衬衫和条纹长裤；为人物添加红色肩带、白色帆布包（包上有红色标志）；调整人物姿态使其身体侧向画面的右侧；头部略微向画面右侧倾斜；双手手持一束粉色和白色玫瑰（带有绿色叶子和白色丝带）以及一部手机；拉远相机视角。
输入
Ours
其他模型对比 (Qwen-2511, Flux2 Dev, Nano Pro)
OOTD虚拟试穿与风格融合
编辑指令：把图1中的模特换成图2里的长裙和高帮帆布鞋，保持原有姿态和配饰，整体风格统一。
图1 
图2 
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
编辑指令：把图1中的白色衬衫和棕色半裙，换成图2里的灰褐色连帽卫衣、黑色侧边条纹裤、卡其色工装靴和同色云朵包，保持模特姿态和背景不变。
图1 
图2 
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
编辑指令：把图1中的模特换成图2的红色露肩连衣裙，搭配图3中的卡其色棒球帽、猫眼眼镜、银色链条项链、白色厚底运动鞋和棕色绒面手提包，保持模特姿态和背景不变。
自定义LoRA功能：美妆与封面制作
模型还提供了支持用户自主创作的 LoRA，包括支持自定义上妆的 makeuplora 和支持根据参考封面创造自定义封面效果的 covercraftlora。
美妆LoRA示例指令：使用象牙白哑光粉底均匀肤色，为眉毛填充浅棕色，眼部晕染浅棕色眼影并加深眼尾，画出自然黑色眼线，粘贴浓密假睫毛，用浅棕色眼影提亮卧蚕；涂抹豆沙色哑光口红并勾勒唇形，在两颊扫上浅粉色腮红，在鼻梁和颧骨处轻扫高光，在面部轮廓处轻扫阴影。
输入
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
封面制作LoRA示例指令：请在图1添加主标题文本 “谁说我们丑了”，字体样式参考图2中主标题《人！给我开个罐罐》；主标题整体采用横向排版多行错落（非严格对齐），置于图片左下角；在狗狗右下方、贴近前爪附近添加一个手绘“爱心”涂鸦贴纸；增加鱼眼镜头效果。
输入1 
输入2 
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
封面制作LoRA示例指令：请在图1添加主标题文本 “崽子第一次玩冰”，副标题“坐标：东南休闲公园”，主标题和副标题的字体样式参考图2中主标题“无露营不冬天”，主标题整体采用横向排版多行，主标题添加在画面左侧上方；副标题添加在画面左侧下方，字的层级更小，避免修改和遮挡图1主体关键信息（人物/核心景物）和画面中心。
输入1 
输入2 
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
封面制作LoRA示例指令：请在图1添加主标题文本 “暑假大理旅行穿什么☁️”，文字样式和排版参考图2中《冰镇式露营说明书》，主标题放置在图1画面中央区域，主标题环绕人物头部布局；在图1添加副标题文本“Vol.3 {穿搭灵感指南}”，文字样式和颜色参考图2中《Vol.5 {打水仗的夏天}》，层级明显低于主标题，位于主标题右下方。
输入1 
输入2 
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
封面制作LoRA示例指令：请在图1添加主标题文本 “我的城里，灯火绚烂”，文本样式参考图2中主标题“邂逅一场夜樱盛宴”。
输入1 
输入2 
Ours
其他模型对比 (Qwen-2511, Seedream5.0 Lite, Nano Pro)
榜单成绩
在多个权威评测榜单中，FireRed-Image-Edit v1.1 均达到了当前最先进的（SoTA）水平。
FireRed 是小红书 Super Intelligence 团队的模型系列名，包含 FireRed-ASR、FireRed-TTS、FireRed-Chat、FireRed-OCR、FireRed-Image、FireRed-OpenStoryline 等多个模型。该团队由 Audio Lab、Vision Lab、Foundation Lab 等基础技术实验室构成。
Super Intelligence 团队是小红书公司面向未来内容形态与通用智能的重要技术引擎，其目标是构建业界领先的多模态基础大模型体系，并形成可持续演进的通用智能能力。团队主要负责小红书创作与发布相关的核心技术研发，并向公司多条业务线输出关键智能能力。过去两年，团队在学术与产业两端同步推进，累计发表30余篇顶级会议与期刊论文，并成功孵化了多项站内爆款功能。
欢迎对通用智能、前沿模型与真实产品影响力有长期追求的技术同仁关注与交流。更多技术讨论和开源项目，也可以前往云栈社区进行探索。
发表于 4 小时前
|
查看: 4|
回复: 0
