人工智慧的快速發展推動AI生成能力不斷重新整理認知，但AI在視覺領域的進化，離不開視覺理解、空間建模、時序一致性、美學表達等多個方向的持續突破，這更考驗長期的視覺技術積累論文。
作為AI影像領域的“長期玩家”，美圖影像研究院（MT Lab）圍繞高頻創作場景的真實痛點，持續展開研究論文。2026年以來，共有11篇論文被ICLR、CVPR、ICML、ECCV、ACM MM等國際頂會接收，覆蓋影片編輯、人像編輯、智慧互動、視覺理解等多個方向，並將研究成果不斷透過產品落地，轉化為服務美圖使用者的AI影像能力。
在圍繞模型的編輯能力方面，美圖影像研究院（MT Lab）提出參考幀引導影片編輯統一框架MiVE，實現包括改變髮型、變換服裝、妝容造型、重新打光、更換背景、天氣變換、區域性最佳化等在內的通用影片編輯能力；一致特徵傳輸重打光新方案CFT實現人物一致性的豐富打光效果，目前已研發上線超過50種複雜光效；基於隨機橋模型的新框架BridgeRemoval顯著提升AI影片消除的精準度及時序一致性，並實現影片身材美型保護能力；基於Self-Prompting的影像文字編輯方法，實現在繁體中文、泰語、日語甚至是特殊符號等複雜文字場景中的“無痕改字”論文。面向原生2K多服飾試衣的新框架實現了端到端的多服飾生成，並且在2K高解析度下，依舊能夠保持羊毛、棉麻、粗針織等等服飾材質的真實質感。此外，提出了All-in-One Slider的統一多屬性控制框架，為更靈活的組合、排程編輯能力奠定了基礎。
在圍繞“真實意圖理解”方面，美圖影像研究院（MT Lab）提出基於雙向語義流的條件分割方法FlowSeg，精準對齊畫面物件與語言指令，準確判斷編輯目標論文。
在前沿能力建設方面，美圖影像研究院（MT Lab）提出了基於DiT的3D位置編碼框架PE-Field、動態毛髮渲染框架ControlHair、協同式影像編輯框架SI-Edit分別被深度學習領域頂級會議ICLR 2026、計算機視覺領域三大頂會之一的ECCV 2026、國際多媒體領域頂級會議ACM MM2026收錄論文。
隨著生成能力進化為更通用的基礎能力，AI影像真正的較量也開始深入真實創作場景，美圖影像研究院（MT Lab）將前沿研究、專業資料、模型評測、工程落地環環緊扣，為美圖形成真正可落地的產品力，而長期深耕AI影像的價值，也在這些細節中顯現，在持續抬高模型能力上限的同時，讓AI更懂真實創作需求，推動AI產品從“使用者可用”走向“使用者愛用”論文。
