Iris-3B评估像素空间扩散微调

Hanqiu Li Cai与Chema Garabito在arXiv论文中预训练30亿参数的像素空间文本到图像Transformer Iris-3B，采用256、512、1024分辨率课程训练；同时将FLUX.2 Klein base 4B转换为像素空间模型，用于比较微调效果。 两类模型均在单目深度估计和图像修复/超分辨率任务上微调。按相同直接回归方案微调后，Iris-3B的深度表现与潜空间FLUX.2 Klein相当，转换后的像素空间版本落后；在DIV2K 4倍超分辨率修复中，两种像素空间模型均未超过潜空间FLUX.2 Klein微调结果。基于论文摘要，Iris-3B在官方评测器下于1024×1024 OneIG任务上与Qwen-Image相当。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。