Iris-3B 实证：像素空间扩散并不优于潜在空间模型
speridlabs · hf · 2026-10-09
speridlabs 发布 Iris-3B 研究与模型权重，系统检验「像素空间扩散避免 VAE 信息损失、应在细节敏感任务上占优」这一假设。
- 从零预训练 3B 参数的像素空间文生图 transformer，采用 256→512→1024 课程；另将预训练潜在模型 FLUX.2 Klein base 4B 转换到像素空间。
- 在单目深度估计和 4× DIV2K 图像修复/超分上微调对比：像素空间生成先验无显著优势，转换后的像素版 FLUX.2 Klein 甚至略落后。
- 但 Iris-3B 证明像素空间预训练配合 PixelDiT 的 PiT head 可扩展到 3B，并在 OneIG 官方评测下 1024² 文生图质量与 Qwen-Image 相当。
- 论文公开了训练配方、失败模式与混杂因素，权重和训练代码已开源。
所属事件:Sperid Labs 开源 Iris-3B：像素空间文生图实证不优于潜在空间(2 条相关)→
「多模态」频道最新
- Iris-3B 开源:不用 VAE 的像素空间文生图模型,3B 参数 Apache 2.0 — zhenjun_zhao · 2026-10-09
- 开源创意工作 harness Voyager 发布：让 Claude、Codex 更懂创作 — testingcatalog · 2026-10-09
- Voyager 发布:用 Opus 等模型驱动 AE、Blender 等创意工具的「创意版 Codex」 — HeyAmit_ · 2026-10-09
- Long Shot Studio 发布：ComfyUI 多镜头长视频分段渲染工作台 — R34vspec · 2026-10-09
- Seedance 2.5 草稿模式实测:30 秒生成 1080p 冰原巨兽短片 — LudovicCreator · 2026-10-09
- MiniMax H3 开源实测:分镜+角色表+LoRA 做出超人战一拳超人 — Automatic-Building84 · 2026-10-09