Moebius：0.2B 轻量级图像修复框架

Moebius 是一个轻量级的图像修复框架，仅使用 0.22 十亿参数即可实现 10 十亿级别的性能。通过将重构的扩散主干与自适应蒸馏策略相结合，Moebius 在整体推理时间上相比工业通用模型提升超过 15 倍，能够实现高保真图像补全和对象移除。

极致效率与性能

Moebius 降低了高质量修复的计算开销，使该技术在消费级和边缘设备上也可行。其主要性能指标包括：

• 参数量削减：Moebius 使用 0.22 B（226 M）参数，低于 FLUX.1-Fill-Dev 模型 11.9 B 参数的 2%。
• 推理速度：模型在单个 GPU 上每步推理延迟为 26.01 ms，相比 10 B 级模型实现了超过 15 倍的整体运行时加速。
• 质量基准：在覆盖自然场景（Places2）和人像场景（CelebA‑HQ、FFHQ）的六个基准上，Moebius 的表现与最先进的通用模型（如 FLUX.1-Fill-Dev 和 SD3.5 Large‑Inpainting）持平或超越，尤其在复杂纹理和面部逼真度方面表现突出。

核心技术创新

Moebius 通过两项协同创新——LλMI 块和自适应多粒度蒸馏，克服了极端结构压缩通常导致的表征瓶颈。

局部‑λ 混合交互（LλMI）块

为规避标准注意力机制的二次计算开销，Moebius 引入了 LλMI 块。该架构通过将空间上下文和全局语义先验压缩为固定大小的线性矩阵，重新表述自注意力和交叉注意力。这使模型能够在大幅减少参数总量的同时，保留复杂的潜在交互。

自适应多粒度蒸馏

Moebius 采用蒸馏策略，将更大教师模型 PixelHacker 的表征能力迁移至 Moebius 学生模型。该策略的关键特性包括：

• 潜在空间操作：蒸馏严格在潜在空间内进行，避免了像素空间解码的高计算成本。
• 多粒度监督：过程对齐从微观的中间特征到宏观的扩散轨迹的多层次监督。
• 梯度范数自适应加权：动态机制平衡训练损失，确保学生模型在不出现表征饱和的情况下吸收最大语义推理能力。

实际应用与社区反馈

Moebius 被设计为任务专用的专家模型，主张明确任务（如修复）不需要通用基础模型的参数膨胀。

社区讨论和早期测试指出了若干实际考虑因素：

• 部署：模型体积小巧，可实现浏览器端部署。一位开发者成功将 Moebius 转换为 ONNX，并在交互式网页演示中提供约 1.3 GB 的下载。
• 局限性：部分用户指出，修复区域相较于周围区域会出现明显更平滑的现象，且模型当前仅支持最高 512×512 的输出分辨率。
• 视觉伪影：细致观察者指出在特定样本中可能出现“结构混乱”，例如自然场景展示中的对象拉长现象。

"虽然 0.2 B 模型的表现非常惊人，但要说它能匹配 10 B 模型仍然很难让我信服。它在自然图像上表现尚可，但修复区域明显比周围更平滑，对新颖对象的表现非常差。"

"我已经用 ONNX 把它跑通了……现在我有一个完全在浏览器中运行的交互式模型演示。"