3B像素空间扩散模型Iris-3B发布
AI 总结
SperidLabs 的研究者发布 Iris-3B,一个从零预训练的 3B 参数像素空间文生图 Transformer,按 256→512→1024 课程训练,并公开权重与训练代码;他们同时把预训练的隐空间模型 FLUX.2 Klein base 4B 转换为像素空间。两者被微调用于单目深度估计与图像修复/超分,结果显示像素空间生成先验并未带来显著提升:深度任务上 Iris-3B 与隐空间 FLUX.2 Klein 持平、转换版落后,4× DIV2K 修复上两者也未超过隐空间微调版本。不过论文称在 1024² 下 Iris-3B 的文生图质量在官方评测器上可与 Qwen-Image 匹敌,说明像素空间预训练能扩展到 3B 参数。
深度见解
这项负结果削弱了像素空间扩散在细粒度下游任务上天然占优的说法,同时表明该架构可以扩展到 3B 参数并保持有竞争力的文生图质量。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2610.09450 (cs)
[Submitted on 7 Oct 2026]
Title:Iris-3B: Going Beyond the Latent with Pixel-Space Diffusion Training, Conversion and Fine-Tuning
Authors:Hanqiu Li Cai (SperidLabs), Chema Garabito (SperidLabs)
View a PDF of the paper titled Iris-3B: Going Beyond the Latent with Pixel-Space Diffusion Training, Conversion and Fine-Tuning, by Hanqiu Li Cai (SperidLabs) and 1 other authors