Iris-3B 从零预训练 3B 像素空间文生图模型,并在深度与复原任务上未发现像素先验优于潜空间先验
作者从零预训练了 3B 参数的像素空间文生图 Transformer Iris-3B(256→512→1024 课程,采用 v-prediction 与 DINOv2 REPA),并把潜空间模型 FLUX.2 Klein base 4B 转换为像素空间;将两类像素骨干微调用于单目深度估计与图像复原后,未发现像素空间生成先验带来显著提升:深度上 Iris-3B 与潜空间 FLUX.2 Klein 持平、转换模型落后,DIV2K 复原上两个像素模型也未超过潜空间微调。