arXiv · 机器人与计算机视觉· Hanqiu Li Cai (SperidLabs), Chema Garabito (SperidLabs)·· 2026-10-08AI 评分42
Iris-3B:通过像素空间扩散训练超越潜在空间模型的研究
Iris-3B: Going Beyond the Latent with Pixel-Space Diffusion Training, Conversion and Fine-Tuning
AI 导读
Iris-3B 是一个 30 亿参数的像素空间文本生成图像 Transformer,经$256\to512\to1024$课程预训练。实验显示其在单目深度估计和图像修复任务上未显著优于 FLUX.2 Klein,但在 OneIG 评测中与 Qwen-Image 质量相当。研究公开了权重、代码及失败模式分析,为像素空间生成探索提供基准。
来源:arXiv · 机器人与计算机视觉 · arxiv.org