0.2B小模型干翻10B图像修复
推荐指数 77.0 NO. 014 · 2026.06.23
发布2026/06/22Score174Comments50
为什么值得看
Moebius 用 LλM I 模块重构 U-Net，配合自适应多粒度蒸馏，把 0.2B 参数的图像修复模型拉到 10B 级别性能。对需要端侧部署或成本敏感的图像编辑产品团队，这是直接可用的压缩范式。
编辑判断
图像修复一直是扩散模型的重算力场景，Stable Diffusion Inpainting 跑 512x512 需要数秒，端侧基本不可用。之前的主流压缩路线是量化或 LoRA 微调，但 inpainting 这种需要精细像素对齐的任务掉质量极快。
Moebius 的关键设计是 Latent Categories Guidance 把语义约束显式注入 latent 空间，加上蒸馏时的多粒度对齐（不是只盯最终输出，中间特征层也拉齐），这让它在极端压缩下保留了高频细节。论文提到训练时用了 SDXL Inpainting 当 teacher，但结构完全重造而非剪枝。
如果已开源，做 AI 修图、电商商品图编辑、移动端图像处理的团队应该优先复现；没开源的话也值得跟踪，这套蒸馏+结构搜索的组合思路可以迁移到视频修复、3D 生成等其他重算力任务。
社区反馈
正面 45 条评论
核心争论：小模型能否真正替代大模型部署，以及实际可用性如何
相关内容
Unrelated but when I read inpainting and Moebius I was scared it was related and using the art of the great Jean Giraud [0] a.k.a. Moebius https://characterdesignreferences.com/artist-of-the-week-3/m... [0] https://en.wikipedia.org/wiki/Jean_Giraud
Scared why?
Scared for the same reason I found last year's 'Ghibli filter' craze upsetting, I would have personally hated to have seen this artist's legacy used for promoting AI image generation.