PhotoDoodle是一种创新的大模型艺术图像编辑技术，通过"预训练+少样本微调"两阶段策略，实现装饰元素与照片的无缝融合、背景保留和特定艺术风格的快速捕捉。该技术仅需30-50对样本即可学习艺术家独特风格，开源代码和数据集为开发者提供了便捷的入门途径，推动少样本条件下个性化图像编辑研究进展。

---

1、引入

“照片涂鸦（Photo Doodling）”是一种将装饰性元素叠加到照片上的艺术创作形式，其核心挑战在于：

**1）无缝融合：**插入元素需与背景在透视、语义、视觉上保持一致；

**2）背景保留：**避免对原始背景的非预期修改（如颜色偏移、纹理失真）；

**3）风格高效捕捉：**从少量（30-50对）“编辑前后”图像对中学习艺术家的独特风格。

现有方法（如全局风格迁移、基于掩码的修复）无法同时满足这些需求。因此，Showlab 在 ICCV 2025 发表的论文《PhotoDoodle: Learning Artistic Image Editing from Few-Shot Examples》中提出了 PhotoDoodle，专门解决艺术化照片编辑的痛点。

2、核心创新

PhotoDoodle 采用两阶段策略：先预训练通用编辑模型 OmniEditor，再通过 EditLoRA 微调捕捉特定艺术家的风格。结合位置编码克隆等创新技术，这种 “大规模预训练 + 少样本微调” 的方式实现了艺术化照片编辑的三大核心目标：

**1）无缝融合：**确保装饰元素与背景的空间对齐，避免错位；

**2）背景保留：**保留原图高频细节，防止背景失真；

**3）高效风格捕捉：**从少量样本中高效提取艺术家风格；

其开源的模型、数据集和代码为艺术创作工具的发展提供了重要参考，推动了少样本条件下个性化图像编辑的研究进展。

2.1 阶段1：通用编辑模型OmniEditor 预训练

利用大规模图像编辑数据（350万对）训练通用图像编辑模型，使其具备基础的文本指令遵循和图像编辑能力。核心技术包括：

1）位置编码克隆（Positional Encoding Cloning）：为原始图像和编辑目标图像赋予相同的位置编码，建立像素级空间对应关系，避免编辑过程中的空间错位；

2）无噪声条件范式（Noise-free Conditioning）：将原始图像的潜变量保持无噪声状态作为参考，既保留高频纹理细节，又通过多模态注意力机制控制编辑区域。

2.2 阶段2：EditLoRA微调

基于低秩适应（LoRA）技术，使用少量（30-50对）艺术家定制的“编辑前后”图像对微调模型，捕捉独特风格（如卡通怪物、手绘轮廓、3D效果等）。EditLoRA仅训练少量低秩矩阵，避免过拟合，同时保留OmniEditor的通用编辑能力。

3、数据集

为支持模型训练与评估，论文发布了首个专注于照片涂鸦的数据集：包含6种高质量艺术风格（卡通怪物、手绘轮廓、3D效果、流动色块、扁平插画、云朵素描）共300+“编辑前后”图像对，每对包含原始照片、涂鸦后图像及对应的文本指令。

4、快速上手

4.1 环境准备

作者在Github上传了自己的代码，并说明了环境准备的步骤，大家只需执行以下命令即可完成环境的准备。

cd photodoodle
# git clone
git@github.com:showlab/PhotoDoodle.git
git clone https://github.com/showlab/PhotoDoodle.git
cd PhotoDoodle
# 创建虚拟环境
conda create -n doodle
python=3.11.10
# 查看虚拟环境列表
conda env list
# 激活虚拟环境
conda activate doodle
pip install
torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url
https://download.pytorch.org/whl/cu124
pip install --upgrade
-r requirements.txt

4.2快速推理

作者提供了 diffusers pipeline 与他们的模型的集成，并将模型权重上传至huggingface。直接运行推理脚本即可快速体验。

from
src.pipeline_pe_clone import FluxPipeline
import
torch
from
PIL import Image
 
pretrained_model_name_or_path
= "black-forest-labs/FLUX.1-dev"
pipeline
= FluxPipeline.from_pretrained(
    pretrained_model_name_or_path,
    torch_dtype=torch.bfloat16,
).to('cuda')
 
pipeline.load_lora_weights("nicolaus-huang/PhotoDoodle",
weight_name="pretrain.safetensors")
pipeline.fuse_lora()
pipeline.unload_lora_weights()
 
pipeline.load_lora_weights("nicolaus-huang/PhotoDoodle",
weight_name="sksmagiceffects.safetensors")
 
height=768
width=512
 
validation_image
= "assets/1.png"
validation_prompt
= "add a halo and wings for the cat by sksmagiceffects"
condition_image
= Image.open(validation_image).resize((height, width)).convert("RGB")
 
result
= pipeline(prompt=validation_prompt, 
                 
condition_image=condition_image,
                  height=height,
                  width=width,
                  guidance_scale=3.5,
                  num_inference_steps=20,
                 
max_sequence_length=512).images[0]
 
result.save("output.png")

小编根据作者在Github上提交的代码，对推理效果进行了体验。下方为使用猫进行几种效果的验证，大家快看看效果吧！

论文链接：https://arxiv.org/abs/2502.14397
作者在Github上提交的代码，对推理效果进行了体验。下方为使用猫进行几种效果的验证，大家快看看效果吧！
Github链接：https://github.com/showlab/PhotoDoodle

零基础如何高效学习大模型？

你是否懂 AI，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和鲁为民博士系统梳理大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！