ByteVisionLab/DreamLite

解決的問題

DreamLite 是一個專為在行動裝置上直接進行高解析度影像生成與編輯而設計的緊湊型擴散模型。它透過輕量級架構，讓現代智慧型手機能在數秒內生成或編輯 1024x1024 影像，徹底消除對雲端服務的依賴。

工作原理

本專案使用剪枝後的行動 U-Net 主幹網路（0.39B 參數），並透過潛在空間中的上下文內空間串接，統一文字到影像生成與影像編輯任務。為實現超高速性能，採用漸進式步驟蒸餾技術，使「Mobile」版本僅需 4 步即可完成推論。相容 Hugging Face Diffusers 套件，並支援 4 位元量化，適用於裝置端部署。

適用對象

適用於需要在裝置端快速生成與編輯高解析度影像，且不依賴外部伺服器的開發者與研究人員。

主要亮點

• 統一模型：單一網路架構同時處理文字到影像生成與文字引導的影像編輯。
• 超快推論：在 iPhone 17 Pro 上約 3 秒內生成 1024x1024 影像。
• 裝置端隱私：完全本地運行，零雲端依賴。
• 可客製化：支援 LoRA 微調，適用於特定領域資料集。
• 部署就緒：提供完整的 iOS 部署參考，包含 CoreML 與 mlx-vlm 量化腳本。