1. 튜토리얼 소개

JarvisArt-Preview는 샤먼대학교, 홍콩과학기술대학교(광저우), 칭화대학교 등의 기관에서 개발 및 제작하여 2025년 6월 24일에 출시한 지능형 사진 보정 프록시 모델입니다. Artistic Retouch Benchmark에서 이 모델은 "명령 일치 정확도" 부문에서 Adobe Firefly Retouch보다 68.31 TP3T, "전문적인 보정 효과" 부문에서 61.51 TP3T의 우위를 점했습니다. 또한 Style Transfer Evaluation Suite 및 Human Preference Test와 같은 기존 이미지 편집 벤치마크에서도 최첨단 성능을 달성했습니다. 또한, 이 모델은 기존 시스템에서는 보기 드문 여러 기능을 제공합니다. 여기에는 자연어 기반의 Lightroom 200개 이상의 도구의 엔드투엔드 호출, 다양한 스타일 요소의 지능적인 융합(유화와 스케치 등 혼합 스타일 지원), 해석 가능한 리터칭 단계 역추적(각 단계에 대한 자연어 설명 생성), 텍스트와 이미지 간의 양방향 반복 최적화(생성된 결과를 기반으로 지침 편차 자동 수정) 등이 포함됩니다. 관련 연구 논문을 참고하십시오. JarvisArt: 지능형 사진 보정 에이전트를 통해 인간의 예술적 창의성을 해방시키다NeurIPS 2025에 포함되었습니다.

이 튜토리얼에서는 RTX 4090 그래픽 카드 한 장을 사용합니다. 영어만 지원합니다.

2. 프로젝트 예시

3. 작업 단계

1. 컨테이너 시작 후 API 주소를 클릭하여 웹 인터페이스로 진입합니다.

2. 사용 단계

"Bad Gateway" 메시지가 표시되면 모델이 초기화 중이라는 의미입니다. 모델 크기가 크기 때문에 약 2~3분 정도 기다린 후 페이지를 새로고침해 주세요. 생성된 파일은 LightRoom을 사용하여 볼 수 있습니다.

매개변수 설명

• 고급 생성 매개변수:
  • 최대 새 토큰 수: 이미지 편집 관련 텍스트(작업 지침, 단계 설명 등)에 대해 모델이 생성할 수 있는 최대 토큰 수를 제한합니다. 값이 클수록 생성된 이미지 편집 논리 설명이나 단계가 더 자세해져 출력 내용이 길어질 수 있습니다.
  • 온도: 이미지 보정 전략의 무작위성을 조절합니다. 값이 낮을수록(예: 0.1에 가까울수록) 보정 결과가 더 안정적이고 예측 가능해집니다. 값이 높을수록(예: 2에 가까울수록) 보정 결과가 더 다양하고 예측 불가능해지지만, 예상치 못한 보정 로직이 나타날 수 있습니다.
  • Top-K: 각 생성 단계에서 확률이 가장 높은 K개의 태그 중에서 콘텐츠만 선택됩니다. 값이 작을수록(예: 10) 생성된 보정 지침은 더욱 집중적이고 보수적이며, 값이 클수록(예: 100) 지침 선택이 더욱 다양해져 더 많은 잠재적인 보정 아이디어가 반영될 수 있습니다.
  • Top-P(핵 샘플링): 누적 확률 임계값을 사용하여 출력의 다양성을 제어합니다. 값이 낮을수록(예: 0.5) 이미지 편집 로직이 더욱 집중되어 확률이 높은 소수의 마커에서만 샘플링합니다. 값이 높을수록(예: 0.9) 확률은 낮지만 창의적인 마커들이 더 많이 참여하게 되어 결과의 다양성이 커집니다.
  • 보수적/창의적/균형적: 매개변수 조합을 빠르게 전환하는 단축키
    • "보수적" 모드는 안정적이고 예측 가능한 이미지 보정 전략을 생성하는 경향이 있습니다.
    • "크리에이티브" 모드는 다양하고 독창적인 사진 편집을 강조합니다.
    • "균형 모드"는 안정성과 창의성 사이의 균형을 유지합니다.

인용 정보

이 프로젝트에 대한 인용 정보는 다음과 같습니다.

@article{jarvisart2025,
title={JarvisArt: Liberating Human Artistic Creativity via an Intelligent Photo Retouching Agent}, 
      author={Yunlong Lin and Zixu Lin and Kunjie Lin and Jinbin Bai and Panwang Pan and Chenxin Li and Haoyu Chen and Zhongdao Wang and Xinghao Ding and Wenbo Li and Shuicheng Yan},
      year={2025},
      journal={arXiv preprint arXiv:2506.17612}
}