Iris-3B: генератор изображений без латентного пространства
Н@GreenNeuralRobotsAI-инженер
2 недSperid Labs представили Iris-3B — модель, генерирующую изображения напрямую в пикселях без использования VAE и латентного пространства.
Новый подход к генерации изображений позволяет избежать потери деталей, характерной для традиционных моделей.
- Отказ от латентного пространства исключает артефакты сжатия, возникающие при работе VAE.
- Единая архитектура модели позволяет выполнять разные задачи (генерация, глубина, апскейл) без перестройки сети.
- Модель требует наличия GPU NVIDIA для работы.
Iris-3B
Генератор картинок от Sperid Labs, который рисует каждый пиксель напрямую — без VAE и латентного пространства. Prompt → 1024px картинка, ничего не теряется в сжатом латенте.
• Генерация изображений из текста напрямую в пиксели
• Монокулярная оценка глубины
• Реставрация и апскейл изображений
• Все на одном бэкбоне без изменения архитектуры, просто финтюн под задачу
• 3B параметров + замороженный текстовый энкодер Qwen3-VL-4B (Apache 2.0)
• Веса ~12 ГБ на text-to-image, еще по ~12 ГБ на depth и upscaler
• Нужен NVIDIA GPU с CUDA
Альтернатива vision-фундаментам вроде DINOv2
huggingface.co/speridlabs/iris-3b
github.com/speridlabs/iris-3b
Спасибо @m_franz
#imagerestoration #i2d #depth
MAX
Кратко (AI)
Sperid Labs выпустили модель Iris-3B, которая генерирует изображения напрямую в пикселях, минуя использование VAE и латентного пространства. Модель поддерживает генерацию по тексту, оценку глубины и апскейл на базе единой архитектуры с 3B параметров и текстовым энкодером Qwen3-VL-4B.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖