Moebius：0.2B轻量级图像修复框架，具备10B级性能

Hugging Face Daily Papers 论文
image-inpainting lightweight diffusion distillation efficiency local-global-interaction

摘要

Moebius是一个0.22B参数的图像修复框架，媲美FLUX.1-Fill-Dev等10B级别模型，通过新颖的局部-全局交互模块和自适应蒸馏策略，实现超过15倍的推理加速。

尽管10B级别的工业基础模型推动了图像修复的边界，但其高昂的计算成本严重阻碍了实际部署。构建高度优化的任务专用模型是一种有前景的解决方案；然而，极端的结构压缩不可避免地会引发严重的表征瓶颈。为了克服这一问题，我们提出了Moebius，一个高效的轻量级修复框架。我们通过引入局部-λ混合交互（LλMI）模块，系统性地重构了扩散主干网络。该模块由Local-λ和Interactive-λ组成，巧妙地将空间上下文和全局语义先验总结为固定大小的线性矩阵，在大幅减少参数的同时保留了复杂的潜在交互。此外，为了释放这种高度紧凑架构的全部表征能力，我们协同应用了一种自适应多粒度蒸馏策略。该策略严格在潜在空间中运行，以避免昂贵的像素空间解码，动态平衡多个基于梯度的损失，实现高保真对齐。在自然图像和人像基准上的大量实验表明，这种最佳协同使得Moebius能够在生成质量上媲美甚至超越10B级别的工业通用模型FLUX.1-Fill-Dev。值得注意的是，Moebius仅使用不到2%的参数（0.22B对比11.9B）就实现了这一性能，同时总推理时间加速超过15倍，为高保真修复树立了新的效率标准。项目页面：https://hustvl.github.io/Moebius。
查看原文
查看缓存全文

缓存时间: 2026/06/20 14:30

论文页面 - Moebius：0.2B轻量级图像修复框架，性能媲美10B级模型

来源：https://huggingface.co/papers/2606.19195

摘要

一种轻量级图像修复框架，通过新颖的局部-全局交互模块和自适应蒸馏策略，在显著减少参数和推理时间的同时，实现了高保真结果。

虽然10B级别的工业基础模型已推动图像修复的边界，但其高昂的计算成本严重阻碍了实际部署。构建高度优化的任务专用专家模型是一个有前景的解决方案；然而，极端的结构压缩不可避免地会引发严重的表示瓶颈（https://huggingface.co/papers?q=representation%20bottleneck）。为解决这一问题，我们提出Moebius，一个高效的轻量级修复框架。我们通过引入Local-λ Mix Interaction（https://huggingface.co/papers?q=Local-%CE%BB%20Mix%20Interaction）（LλMI）模块，系统地重构了扩散主干网络（https://huggingface.co/papers?q=diffusion%20backbone）。该模块由Local-λ和Interactive-λ组成，优雅地将空间上下文（https://huggingface.co/papers?q=spatial%20contexts）和全局语义先验（https://huggingface.co/papers?q=global%20semantic%20priors）总结为固定大小的线性矩阵（https://huggingface.co/papers?q=fixed-size%20linear%20matrices），在保持复杂潜在交互的同时大幅削减参数。此外，为释放这种高度紧凑架构的全部表征能力，我们将其与自适应多粒度蒸馏（https://huggingface.co/papers?q=adaptive%20multi-granularity%20distillation）策略协同使用。该策略严格在潜在空间（https://huggingface.co/papers?q=latent%20space）内操作，避免昂贵的像素空间解码，动态平衡多种基于梯度的损失函数（https://huggingface.co/papers?q=gradient-based%20losses），以实现高保真对齐。在自然和人像基准上的大量实验表明，这种最优协同使Moebius能够媲美甚至超越10B级别工业通用模型FLUX.1-Fill-Dev的生成质量。值得关注的是，Moebius仅使用不到2%的参数（0.22B vs 11.9B），同时实现超过15倍的推理加速，为高保真修复（https://huggingface.co/papers?q=high-fidelity%20inpainting）树立了新的效率标杆。项目页面：https://hustvl.github.io/Moebius。

查看 arXiv 页面（https://arxiv.org/abs/2606.19195）查看 PDF（https://arxiv.org/pdf/2606.19195）项目页面（https://hustvl.github.io/Moebius）GitHub66（https://github.com/hustvl/Moebius）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.19195）

在您的智能代理中获取此论文：

hf papers read 2606.19195

没有最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

无模型引用此论文

在模型README.md中引用arxiv.org/abs/2606.19195以从此页面链接。

引用此论文的数据集0

无数据集引用此论文

在数据集README.md中引用arxiv.org/abs/2606.19195以从此页面链接。

引用此论文的Space0

无Space引用此论文

在Space README.md中引用arxiv.org/abs/2606.19195以从此页面链接。

包含此论文的收藏2

相似文章

Mage-Flow：一个高效的原始分辨率基础模型，用于图像生成和编辑

Hugging Face Daily Papers

Mage-Flow 是一个紧凑的 4B 参数生成栈，用于高效的文本到图像生成和基于指令的图像编辑，具有共同设计的轻量级分词器（Mage-VAE）和经过整流流匹配训练的原生分辨率多模态扩散变换器。它在单个 A100 GPU 上实现 0.59 秒的高分辨率生成，同时达到具有竞争力的性能。