Iris-3B：像素空间扩散模型的预训练、转换与微调 纯像素AI细节翻车

本文探讨了像素空间扩散模型在文本生成图像及下游密集预测任务中的应用。研究团队从头预训练了名为Iris-3B的30亿参数像素空间模型，并通过实验发现其性能可与主流潜在空间模型相媲美。此外，文章还介绍了将预训练潜在模型转换为像素空间的方法，以及优化输入接口的关键策略。通过在单目深度估计和图像恢复超分辨率任务上的微调测试，结果表明像素空间模型并未带来显著的性能提升，反而暴露出轻微的区块伪影。最后，作者开源了该模型的权重与训练代码，为未来深入研究像素空间生成技术奠定了基础。