0.2B小模型干翻10B修复效果
推荐指数 81.0 NO. 021 · 2026.06.20
upvotes99comments4
为什么值得看
Moebius 用 0.2B 参数的轻量扩散模型实现 10B 级图像修复质量，核心是新设计的局部-全局交互块和自适应蒸馏策略。对需要在端侧或低成本服务器部署图像修复的创业者和工程师来说，这是目前参数效率最高的方案。
媒体预览
编辑判断
图像修复领域此前陷入了一个怪圈：要么用 Stable Diffusion XL Inpainting 这类通用大模型耗着 A100，要么用 LaMa 等小模型但边缘糊成一片。Moebius 的解法是把蒸馏做进了训练动态里——不是一次性蒸馏完就固化，而是让轻量学生网络和教师网络在局部细节和全局语义上交替对齐。
从论文结构看，它的 local-global interaction block 有点像 Swin Transformer 的 shifted window，但专门针对 mask 边界的不连续性做了重设计。99 个 upvote 在 HuggingFace Papers 里算近期热门，不过代码还没放出来，建议先 star 仓库等开源。如果你在做电商商品图修复、老照片修复这类垂直场景，这个参数级别意味着单张推理成本可能从几毛钱降到几分钱。