你的修图 App 里藏着一个黑盒——vivo 用 0.5B 参数把它拆成了手术刀

打开手机修图 App，点"自动优化"，3 秒出图。你满意吗？大概 70% 的时候还行。

剩下 30% 呢？肤色偏黄、暗部发灰、高光溢出——你不知道它调了什么，也不知道怎么改。一键滤镜更像一锤子买卖：要么全盘接受，要么推倒重来。

问题出在哪？修图工具是个黑盒。它不告诉你"这张图曝光欠 0.3 档、色温偏暖 200K"，它直接把像素改了。你看到的只是结果，看不到过程。

VeraRetouch 就是来拆这个黑盒的。0.5B 参数的视觉语言模型做"修图大脑"，全可微分的 RetouchRenderer 做"修图手术刀"——每一步调整都有名字、有方向、有数值。论文被 SIGGRAPH 2026 接收，iOS 和 macOS 部署已发布。

架构：大脑 + 手术刀，不是大脑 + 黑盒

现有推理式修图方法的路线是：多模态大模型分析照片→生成修图指令→调用 Lightroom/Photoshop 执行。听起来合理，但有个致命问题——外部软件不可微分。

不可微分意味着什么？模型说"色温调暖 200K"，Lightroom 执行了，但结果好不好看，梯度传不回来。模型无法从像素结果中学习"这样调真的好看吗"，只能靠人工标注的指令-参数对来训练。训练和推理之间存在断裂。

VeraRetouch 的核心创新：把修图执行器做进可微分框架里。

输入图像 + 指令（可选）
        │
        ▼
0.5B VLM（修图大脑）
  分析图像缺陷 → 生成修图推理链 → 输出控制 latent
        │
        ▼
RetouchRenderer（修图手术刀）
  Lighting latent  → 曝光/阴影/高光
  Global Color latent → 色温/色调/整体色彩
  Specific Color latent → 红/橙/蓝等特定通道
        │
        ▼
修图结果（像素级，可回传梯度）

三个控制维度对应专业修图师的工作逻辑：先调光（Lighting），再定调（Global Color），最后精修（Specific Color）。每一步都有明确的物理含义，不是黑盒里的魔法。

三维向量。

三种模式：从"帮我修"到"按我说的修"

Auto 模式解决"我不知道该调什么"；Style 模式解决"我知道想要什么感觉但不会调"；Param 模式解决"我知道精确参数但不想手动操作"。

三种模式共享同一个 VLM 和 Renderer——不是三个模型拼在一起，而是一个框架三种输入。这意味着模型参数量不会随任务数线性增长。

百万级数据集：逆退化，不是正退化

训练修图模型最大的瓶颈是数据。你需要"修图前-修图后"配对数据，但专业修图师不会把修图过程录下来给你。

VeraRetouch 的解法：逆退化。不是从好图修出坏图（正退化），而是从好图反推"这张好图修了什么"。

具体流程：收集百万级专业修图作品→用逆退化工作流推断原始图像和修图参数→构建 AetherRetouch-1M+ 数据集。Style-Retouch 用了 5,000+ 风格预设，Param-Retouch 直接映射参数到像素。

这个数据集目前未公开发布（Issue #1 仍在 Open 状态）。

竞品横评：两条路线的分歧

路线分歧的核心：修图到底需不需要生成？

PerTouch 用扩散模型做修图——本质上是在"重新画"一张风格化的图。优势是风格表现力强，劣势是可能改变原图内容（扩散模型的通病：创意有余，忠实不足）。

VeraRetouch 走的是"调整"路线——不生成新像素，只调整现有像素的色调和色彩。优势是严格保持原图结构和细节，劣势是风格表现力受限于调色空间。

对于手机摄影修图这个场景，"调整"路线更合理——用户要的是"我的照片变好看"，不是"AI 帮我画了一张新图"。

部署：3D LUT 加速，Live Photo 支持

2026 年 6 月 16 日，VeraRetouch 发布了 macOS 和 iOS 部署版本，同时支持 Live Photo 修图——选择参考帧，修图效果自动应用到整个时序序列。

关键加速技术：3D LUT（Look-Up Table）。将 RetouchRenderer 的调色映射预计算为 3D 查找表，推理时直接查表替代前向计算，高分辨率图像推理速度显著提升，质量损失极小。

这是从"论文"到"产品"的关键一步。0.5B 参数 + 3D LUT 加速，让端侧部署成为可能。

代价清醒

源文章是项目方技术博客。vivo BlueImage Lab 是 VeraRetouch 的核心开发团队，浙大和中科院是合作方。源文章的实验数据来自项目方自测，不是第三方独立评测。

训练代码未开源。Issue #3 仍在问"when will release the training code"，目前只有推理代码和预训练权重。无法复现训练过程，也无法在自己的数据上微调。

数据集未发布。AetherRetouch-1M+ 是论文的核心贡献之一，但 Issue #1 显示 HuggingFace 发布仍在待办。百万级专业修图数据集的构建方法（逆退化工作流）值得独立验证，但目前无法做到。

调色仍有偏差。Issue #4 标题就是"The color grading result isn't perfect, mainly in terms of brightness"——亮度调整不够精确。这是可微分 Renderer 的固有限制：调色空间的三维分解（Lighting/Global Color/Specific Color）无法覆盖所有修图操作，局部调整（如 dodge & burn）不在当前框架内。

0.5B VLM 的推理能力有限。源文章提到使用了 DAPO-AE（强化学习后训练策略）来增强自主审美认知，但 0.5B 参数的 VLM 在复杂场景下的推理质量仍有天花板——它可能无法像 7B 模型那样理解"这张图的构图问题导致视觉重心偏移"。

巴士因子 = 1。Apollo-Yi 贡献 39 次，是唯一的核心开发者。

判断

VeraRetouch 的核心贡献不是"又一个修图模型"，而是证明了修图可以全链路可微分。0.5B VLM + 可微分 Renderer 的架构，让"推理→调整→评估"形成闭环，不再依赖外部黑盒。

对于手机厂商和修图 App 开发者，这条路线值得跟进：参数量小、可部署、可解释。但前提是训练代码和数据集必须开源——否则只是 vivo 的内部工具，不是社区的可复现研究。

对于普通用户，VeraRetouch 意味着未来的修图 App 可能不再是一键滤镜的黑盒，而是能告诉你"这张图我调了什么、为什么这样调"的透明工具。

手术刀比黑盒好，但前提是你能拿到手术刀。

GitHub 地址：https://github.com/OpenVeraTeam/VeraRetouch 论文：https://arxiv.org/abs/2604.27375