《博主简介》小伙伴们好我是阿旭。专注于计算机视觉领域包括目标检测、图像分类、图像分割和目标跟踪等项目开发提供模型对比实验、答疑辅导等。《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【YOLOv8多目标识别与自动标注软件开发】8.【基于深度学习的行人跌倒检测系统】9.【基于深度学习的PCB板缺陷检测系统】10.【基于深度学习的生活垃圾分类目标检测系统】11.【基于深度学习的安全帽目标检测系统】12.【基于深度学习的120种犬类检测与识别系统】13.【基于深度学习的路面坑洞检测系统】14.【基于深度学习的火焰烟雾检测系统】15.【基于深度学习的钢材表面缺陷检测系统】16.【基于深度学习的舰船目标分类检测系统】17.【基于深度学习的西红柿成熟度检测系统】18.【基于深度学习的血细胞检测与计数系统】19.【基于深度学习的吸烟/抽烟行为检测系统】20.【基于深度学习的水稻害虫检测与识别系统】21.【基于深度学习的高精度车辆行人检测与计数系统】22.【基于深度学习的路面标志线检测与识别系统】23.【基于深度学习的智能小麦害虫检测识别系统】24.【基于深度学习的智能玉米害虫检测识别系统】25.【基于深度学习的200种鸟类智能检测与识别系统】26.【基于深度学习的45种交通标志智能检测与识别系统】27.【基于深度学习的人脸面部表情识别系统】28.【基于深度学习的苹果叶片病害智能诊断系统】29.【基于深度学习的智能肺炎诊断系统】30.【基于深度学习的葡萄簇目标检测系统】31.【基于深度学习的100种中草药智能识别系统】32.【基于深度学习的102种花卉智能识别系统】33.【基于深度学习的100种蝴蝶智能识别系统】34.【基于深度学习的水稻叶片病害智能诊断系统】35.【基于与ByteTrack的车辆行人多目标检测与追踪系统】36.【基于深度学习的智能草莓病害检测与分割系统】37.【基于深度学习的复杂场景下船舶目标检测系统】38.【基于深度学习的农作物幼苗与杂草检测系统】39.【基于深度学习的智能道路裂缝检测与分析系统】40.【基于深度学习的葡萄病害智能诊断与防治系统】41.【基于深度学习的遥感地理空间物体检测系统】42.【基于深度学习的无人机视角地面物体检测系统】43.【基于深度学习的木薯病害智能诊断与防治系统】44.【基于深度学习的野外火焰烟雾检测系统】45.【基于深度学习的脑肿瘤智能检测系统】46.【基于深度学习的玉米叶片病害智能诊断与防治系统】47.【基于深度学习的橙子病害智能诊断与防治系统】48.【基于深度学习的车辆检测追踪与流量计数系统】49.【基于深度学习的行人检测追踪与双向流量计数系统】50.【基于深度学习的反光衣检测与预警系统】51.【基于深度学习的危险区域人员闯入检测与报警系统】52.【基于深度学习的高密度人脸智能检测与统计系统】53.【基于深度学习的CT扫描图像肾结石智能检测系统】54.【基于深度学习的水果智能检测系统】55.【基于深度学习的水果质量好坏智能检测系统】56.【基于深度学习的蔬菜目标检测与识别系统】57.【基于深度学习的非机动车驾驶员头盔检测系统】58.【太基于深度学习的阳能电池板检测与分析系统】59.【基于深度学习的工业螺栓螺母检测】60.【基于深度学习的金属焊缝缺陷检测系统】61.【基于深度学习的链条缺陷检测与识别系统】62.【基于深度学习的交通信号灯检测识别】63.【基于深度学习的草莓成熟度检测与识别系统】64.【基于深度学习的水下海生物检测识别系统】65.【基于深度学习的道路交通事故检测识别系统】66.【基于深度学习的安检X光危险品检测与识别系统】67.【基于深度学习的农作物类别检测与识别系统】68.【基于深度学习的危险驾驶行为检测识别系统】69.【基于深度学习的维修工具检测识别系统】70.【基于深度学习的维修工具检测识别系统】71.【基于深度学习的建筑墙面损伤检测系统】72.【基于深度学习的煤矿传送带异物检测系统】73.【基于深度学习的老鼠智能检测系统】74.【基于深度学习的水面垃圾智能检测识别系统】75.【基于深度学习的遥感视角船只智能检测系统】76.【基于深度学习的胃肠道息肉智能检测分割与诊断系统】77.【基于深度学习的心脏超声图像间隔壁检测分割与分析系统】78.【基于深度学习的心脏超声图像间隔壁检测分割与分析系统】79.【基于深度学习的果园苹果检测与计数系统】80.【基于深度学习的半导体芯片缺陷检测系统】81.【基于深度学习的糖尿病视网膜病变检测与诊断系统】82.【基于深度学习的运动鞋品牌检测与识别系统】83.【基于深度学习的苹果叶片病害检测识别系统】84.【基于深度学习的医学X光骨折检测与语音提示系统】85.【基于深度学习的遥感视角农田检测与分割系统】86.【基于深度学习的运动品牌LOGO检测与识别系统】87.【基于深度学习的电瓶车进电梯检测与语音提示系统】88.【基于深度学习的遥感视角地面房屋建筑检测分割与分析系统】89.【基于深度学习的医学CT图像肺结节智能检测与语音提示系统】90.【基于深度学习的舌苔舌象检测识别与诊断系统】91.【基于深度学习的蛀牙智能检测与语音提示系统】92.【基于深度学习的皮肤癌智能检测与语音提示系统】93.【基于深度学习的工业压力表智能检测与读数系统】94.【基于深度学习的CT扫描图像肝脏肿瘤智能检测与分析系统】95.【基于深度学习的CT扫描图像脑肿瘤智能检测与分析系统】96.【基于深度学习的甲状腺结节智能检测分割与诊断系统】97.【基于深度学习的车载视角路面病害检测系统】98.【基于深度学习的宫腔镜病变智能检测与语音提示系统】99.【基于深度学习的人群密集检测统计分析与报警系统】100.【基于深度学习的路面积水智能检测分割与分析系统】101.【基于深度学习的钢丝绳缺陷检测与语音提示系统】102.【基于深度学习的无人机视角河道水面垃圾检测系统】103.【基于深度学习的停车场车位智能检测识别系统】104.【基于深度学习的无人机视角野外搜救人员检测与语音提示系统】105.【基于深度学习的无人机视角路面病害检测识别系统】106.【基于深度学习的无人机红外视角海上搜救人员检测与语音提示系统】107.【基于深度学习的交警手势识别系统】108.【基于深度学习的红外图像光伏板热斑缺陷检测与语音提示系统】109.【基于深度学习的风力机缺陷检测与语音提示系统】110.【基于深度学习的茶叶病害智能检测识别系统】111.【基于深度学习的铁轨部件缺陷检测与语音提示系统】112.【基于深度学习的无人机视角车辆检测系统】二、机器学习实战专栏【链接】已更新31期欢迎关注持续更新中~~三、深度学习【Pytorch】专栏【链接】四、【Stable Diffusion绘画系列】专栏【链接】五、YOLOv8改进专栏【链接】持续更新中~~六、YOLO性能对比专栏【链接】持续更新中~《------正文------》目录一、研究背景二、技术方案三、实验结果四、应用场景五、结论论文地址https://arxiv.org/pdf/2610.09450代码地址https://github.com/speridlabs/iris-3b今天几乎每个文生图模型都在潜空间里画画先用 VAE 把图压成小格子扩散模型在格子里画再解码回像素。VAE 是有损的——它可能糊掉细纹理。Iris-3B反其道而行一个 30 亿参数3B的开源模型完全不用 VAE直接输出像素。而且它顺便做了一个泼冷水的实验很值得一读。一、研究背景潜空间扩散Latent Diffusion已成为高分辨率图像生成的主流在预训练 VAE 的压缩空间里跑生成过程训练和采样都更便宜。但代价是——VAE 是单独训练、有损重建的它的误差会和生成器的误差叠加且二者无法联合优化任何被 codec 丢掉的细节生成器都再也够不着。近年来直接用像素空间生成已经能追平潜空间模型但大家普遍假设像素空间对需要精细空间细节的下游任务深度估计、图像修复更有利。Iris-3B 这篇论文就是来正经检验这个假设的。二、技术方案Sperid Labs 开源的Iris-3BApache 2.0 可商用是一个3B 参数的像素空间文生图 Transformer。架构是扩散 TransformerDiT8 个双流块 16 个单流块最后接一个 4 块的PiT 像素头把每个 16×16 的小块直接还原成像素。文本编码器用冻结的 Qwen3-VL-4B。训练走 256→512→1024 的分辨率课程总共约 66.5 万步。论文走的是双路线① 从零预训练 Iris-3B② 把预训练的潜空间模型 FLUX.2 Klein base4B转换到像素空间。两条路都做下游微调方便公平对比。三、实验结果① 文生图质量3B 追平 20B官方在 1024² 下用各基准自带评测器不做提示词改写打分模型参数量GenEval↑DPG↑OneIG↑许可FLUX.1-dev12B0.6683.80.434非商用Qwen-Image20B0.8788.30.539—Iris-3B3B0.79886.520.540Apache 2.03B 的 Iris-3B 在 OneIG 上和 20B 的 Qwen-Image 几乎持平0.540 vs 0.539prompt 跟随GenEval / DPG也相当能打——证明像素空间预训练确实能放大到 3B 并达到可用质量。② 诚实的反结论像素空间并未带来下游优势这是论文最亮眼的部分。团队把 Iris-3B 与潜空间模型 FLUX.2 Klein 用同一套直接回归配方微调做单目深度估计和 4× 图像修复下游任务像素空间(Iris-3B) vs 潜空间(FLUX.2 Klein)单目深度估计平均 AbsRel越低越好Iris 0.071 vs 潜空间 0.072基本持平4× 图像修复SSIM0.504 vs0.557潜空间略优图像超分LPIPS基本持平作者直言“使用像素空间生成先验并未带来显著提升。”也就是说绕开 VAE 的直觉好处在这套实验里没被证实。深度估计示例图像超分示例四、应用场景开源可商用Apache 2.0约 12GB 权重单张消费级显卡可跑。一模型多能同一像素先验还能微调做深度估计、图像修复 / 超分。研究价值提供了从零训练 潜空间转换两条路线的完整配方与失败案例是后续研究的很好起点。五、结论Iris-3B 的价值不在于像素空间一定更好论文恰恰否定了这点而在于它用开源权重 训练代码把像素空间到底有没有优势这个悬而未决的问题认真做了一个对照实验并诚实公布了负面结果。对社区来说这种把失败也讲清楚的工作往往比又一篇刷榜更有长期价值。论文与源码可自行获取
