Sperid Labs 公开 Iris-3B 的 Apache-2.0 权重、代码、论文和 depth/upscaler checkpoint。
Iris-3B 用像素空间扩散探索通用视觉学习
2026-10-05前沿观察TRIAL
Sperid Labs 公开 Iris-3B 的 Apache-2.0 权重与代码。这个 3B 像素空间扩散模型不使用 VAE，并可微调用于单目深度和图像修复。模型卡给出零样本深度与 4 倍修复结果，但证据仍由作者自报；生成还需要 NVIDIA GPU 和独立的 4B 文本编码器。
对你意味着什么
对视觉团队来说，同一 backbone 覆盖生成、深度与修复，为可能丢失纹理的 latent-space 流水线提供了可测试替代。它仍是早期研究版本，应先在自有稠密视觉任务上对照，再下架构结论。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 模型 | 3B diffusion transformer；生成任务另用冻结的 Qwen3-VL-4B-Instruct 文本编码器 |
|---|---|
| 方法 | 不经 VAE 的直接像素空间 rectified-flow 生成；各任务微调不改变 backbone 架构 |
| 公开材料 | Apache-2.0 模型权重、depth/upscaler checkpoint、代码、论文和公开 demo |
| 作者结果 | 五个数据集平均 depth AbsRel 0.071、delta1 0.946；DIV2K validation 上修复 LPIPS 0.292、PSNR 20.68 |
| 限制 | 每组 checkpoint 约 12 GB，需要 NVIDIA CUDA，默认 100 个去噪步骤，评测由作者自报 |
| 时间依据 | Hugging Face 仓库创建于 2026-10-05T14:51:15Z，最后更新于 2026-10-08T16:51:50Z；由召回审计补录 |
技术影响 4
工程价值 3
采用信号 3
成熟度 2
验证成本 3
风险 2