Moebius：以0.2B参数实现10B级性能的轻量级图像修复框架

在当前的计算机视觉领域，以FLUX.1为代表的十亿级工业基础模型虽然将图像修复的生成质量推向了新的高度，但其庞大的参数量和极高的计算开销使得在实际生产环境中的部署变得极其困难。这种高昂的成本不仅限制了资源受限设备的应用，也阻碍了大规模实时处理场景的落地。针对这一痛点，构建高度优化的任务专用专家模型被视为一条极具潜力的解决路径。然而，传统的模型压缩方法往往面临严峻的表示瓶颈，即当模型结构被极端压缩时，其捕捉复杂图像细节和语义信息的能力会急剧下降，导致修复结果出现伪影或语义错误。为攻克这一难题，本研究提出了Moebius框架，这是一种专为高效图像修复设计的轻量级架构。Moebius的核心贡献在于它不仅在参数规模上实现了极致压缩，更在架构设计上创新性地解决了信息丢失问题，使得小型模型能够拥有媲美巨型模型的生成能力，从而在效率与质量之间找到了完美的平衡点，为后续轻量化生成模型的研究提供了重要的思路参考。

在技术方法层面，Moebius对传统的扩散模型主干网络进行了系统性的重构，核心创新在于引入了局部-λ混合交互（LλMI）模块。该模块由两个关键部分组成：局部-λ模块和交互-λ模块。局部-λ模块专注于捕捉图像中的细粒度空间上下文信息，而交互-λ模块则致力于提取全局语义先验。这两者协同工作，将原本高维且冗余的图像特征优雅地总结为固定大小的线性矩阵。这种设计巧妙地避免了传统卷积或注意力机制中随着分辨率增加而线性增长的计算复杂度，同时通过线性矩阵的形式保留了潜在空间中的复杂交互关系。此外，为了进一步解锁这一高度紧凑架构的潜在表示能力，研究团队提出了一种自适应多粒度蒸馏策略。

该策略严格在潜在空间内运行，避免了昂贵的像素空间解码过程，从而大幅降低了推理延迟。通过动态平衡多种基于梯度的损失函数，蒸馏策略确保了模型在训练过程中能够精确对齐高保真图像分布，从而在保持轻量化的同时实现了极高的生成精度。为了验证Moebius的有效性，研究团队在多个自然图像和肖像图像基准测试集上进行了广泛的实验对比。关键结果显示，Moebius在生成质量上不仅与工业界领先的10B级通用模型FLUX.1-Fill-Dev相媲美，甚至在某些特定场景下表现更优。值得注意的是，Moebius的参数量仅为0.22B，而对比模型FLUX.1-Fill-Dev的参数量高达11.9B，Moebius仅使用了不到2%的参数规模。在推理效率方面，Moebius实现了超过15倍的总推理时间加速，这一性能提升对于实时应用至关重要。

消融实验进一步证实了LλMI模块和自适应蒸馏策略的有效性，单独移除任一组件都会导致生成质量的显著下降。这些实验数据有力地证明了Moebius在极低资源消耗下实现高性能图像修复的能力，确立了其在轻量级生成模型领域的新效率标准。Moebius的提出对开源社区和工业落地具有深远的意义。对于开源社区而言，它提供了一个经过充分验证的轻量化扩散模型架构，降低了研究人员和开发者构建高效视觉应用的门槛，促进了相关技术的普及与创新。在工业落地方面，其极高的推理速度和极低的资源需求使得图像修复技术能够部署在边缘设备、移动端以及大规模云端服务中，极大地拓展了应用场景，如实时视频编辑、低带宽图像传输优化等。此外，Moebius所采用的局部-λ混合交互机制和自适应蒸馏策略为后续研究提供了新的技术范式，证明了通过精细的架构设计和训练策略优化，小型模型同样可以达到顶级模型的性能水平。这不仅为图像修复领域带来了新的突破，也为其他视觉生成任务中的模型轻量化提供了宝贵的经验借鉴，推动了整个领域向更高效、更可持续的方向发展。