12GB 的 RTX 3060 本地跑出「视觉字谜」:Iris 3B 四步去噪生成 1024×1024 双面图

MustBeSomethingThere · reddit · 2026-10-24

作者将原本依赖像素空间扩散模型 DeepFloyd IF 的 Visual Anagrams(一张图在不同变换下呈现两种内容的视错觉生成)移植到了 Iris 3B 模型上。

方案采用 INT8 权重加社区 Turbo r2 LoRA,在 12GB 显存的 RTX 3060 上以 1024×1024 分辨率、四步去噪本地生成,演示了旋转、翻转、颜色反转和图块重排等变换与多风格效果。作者坦言结果仍属实验性,部分 prompt 配对效果更好。代码已在 GitHub 开源。