一句话看懂：一篇 2026 年 10 月 13 日上传至 Hugging Face Papers 的论文提出 LensErase，一个基于掩码的“擦除一切”基础模型，覆盖物体、视觉文字、水印及其关联效果与多目标移除，并公开了 1.01 亿对训练数据规模。值得关注的是，它试图把图像擦除从单点工具推向通用基础模型层面。
事件核心：发生了什么
根据公开摘要，LensErase 的定位是通用型 mask-based 擦除基础模型，支持多种目标、视觉文字、水印、关联视觉效果、多物体移除，以及不同尺度、长宽比和分辨率。其做法是：先构建 LensErase-100M 数据集，包含 1.0107 亿组“原图-掩码-目标图”配对样本；再从文本到图像模型 Lens 出发预训练，把生成先验迁移到掩码擦除任务；同时提出 Mask-Aware RoPE，用 3D 旋转位置编码把掩码信息直接注入源图像 token，避免额外引入一条掩码 token 序列；训练侧采用监督微调与强化学习，配合契约引导、区域感知奖励，推理时用 TraceFusion 保留编辑区域外的高保真内容。
为什么重要
擦除看似是修图小功能，但在广告投放、电商素材、内容平台合规和版权处理中，水印、文字、品牌元素的去除往往牵涉真实业务成本。LensErase 的价值在于把“擦除”从若干专用模型或人工流程，收敛为可承载多任务的基础模型思路，并用超过一亿对数据支撑覆盖度。如果后续全文与基准结果可复现，这类模型可能成为图像编辑 API 和创作工具的基础能力，而非单独售卖的滤镜。
对用户/开发者/创作者的影响
对开发者而言，Mask-Aware RoPE 和从文本到图像模型迁移预训练的思路，降低了对掩码专用架构的依赖，后续若开源权重或提供推理接口，可能影响图像编辑类 AI 应用的接入成本。对创作者和运营团队，水印、视觉文字、关联效果和多物体移除若能在一次推理中处理，能减少多工具切换。但需注意：论文摘要不等于已上线产品，目前公开信息显示仍停留在研究阶段，也未见商用定价、API 或合规策略。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 LensErase 是否开源模型权重或开放 API，决定它能否进入实际开发链路；二是水印与视觉文字擦除能力容易被滥用，内容平台和监管如何回应值得观察；三是它和现有图像编辑基础模型、闭源修图工具的对比表现，尤其是推理速度与算力成本，将影响创作者和企业的采购判断。
