Iris-3B: Новый подход к генерации изображений

<video><source src="https://rss.neurootlichnik.ru/images/6f079daa-ff17-41f7-8ac5-bd038274f7d5/video_0.mp4" type="video/mp4"/></video>
Система Iris-3B от Sperid Labs представляет собой инновационный генератор изображений, который создает изображения, рисуя каждый пиксель напрямую. Это достигается без использования VAE и латентного пространства, что позволяет избежать потерь при сжатии данных. В результате, пользователи получают изображения с разрешением 1024 пикселя, которые сохраняют все детали.
Основные возможности Iris-3B включают:
<ul>
<li>Генерация изображений из текста напрямую в пиксели;</li>
<li>Монокулярная оценка глубины;</li>
<li>Реставрация и апскейл изображений;</li>
<li>Все функции работают на одном бэкбоне без изменения архитектуры, просто финтюн под задачу.</li>
</ul>
Модель обладает 3 миллиардами параметров и использует замороженный текстовый энкодер Qwen3-VL-4B, лицензированный под Apache 2.0. Веса модели составляют около 12 ГБ для текстового генератора и еще по 12 ГБ для функций глубины и увеличения разрешения. Для работы с Iris-3B необходим NVIDIA GPU с поддержкой CUDA.
Эта модель является альтернативой таким vision-фундаментам, как DINOv2, предлагая пользователям новые инструменты для работы с изображениями.
Для более наглядного представления возможностей Iris-3B, вы можете ознакомиться с видео:

Дополнительные изображения, созданные с помощью Iris-3B:

Таким образом, Iris-3B открывает новые горизонты в области генерации изображений, предоставляя пользователям мощный инструмент для работы с визуальным контентом.

Нейро Отличник