Speridlabs Idol 開源模型解析:單張圖片生成百萬級 3D Gaussian Splatting 物件
Speridlabs 開源單圖轉 3D 模型 Idol,基於 DiT 與八叉樹/高斯解碼器架構,峰值顯示記憶體僅需 7.2GB 即可在本地生成高達 100 萬個 3D Gaussian Splatting 物件,輸出標準 PLY 格式,支援消費級顯卡快速推論。
主題選讀
關於 影像 的最新消息、技術解析與應用觀察。
Speridlabs 開源單圖轉 3D 模型 Idol,基於 DiT 與八叉樹/高斯解碼器架構,峰值顯示記憶體僅需 7.2GB 即可在本地生成高達 100 萬個 3D Gaussian Splatting 物件,輸出標準 PLY 格式,支援消費級顯卡快速推論。
Sperid Labs 正式開源 30 億參數像素空間流匹配模型 Iris-3B,完全捨棄 VAE 潛空間並直接生成原生 RGB 像素。支援 1024x1024 影像生成,並可微調用於單眼深度估計與 4 倍修復放大,同步推出 4 步極速蒸餾版 Iris-3B Turbo。
OpenMOSS 團隊開源 MOSS-Image 5B 單流擴散 Transformer 模型,原生支援 JSON 邊界框結構化版面控制與 4,096 Token 中英雙語長文渲染,並釋出 Base 與 SFT 雙版本權重。
Black Forest Labs 正式發布 5.6B 開放權重視覺模型 FLUX 3 Image Klein。單一模型整合文字生圖、指令編輯、多參考圖合成與原生邊界框排版,支援 4K 直出與 8GB VRAM 本地部署。
AuroraIMG-6M 是一個參數量僅 6.82M 的極輕量文生圖模型,涵蓋文字編碼器、去噪器與 VAE,完全由零開始在 CC12M 資料集上訓練完成。本文詳細解析其架構設計、訓練流程、評測數據與硬體適用限制。
介紹 Qwen-Image-2.1-Turbo 開源模型的架構特性、8 步降噪排程、Diffusers 部署步驟與圖像編輯功能。
Qwen-Image-2.1 是 Qwen 團隊推出的統一影像生成與編輯模型,視覺生成元件為 7B,支援透明背景、最多 10 張參考圖與局部編輯。
Ming-Image-0.1-Design 是一款 6B 參數文字轉圖像模型,面向 UI 介面、資訊圖表與海報等文字豐富的視覺設計,並支援輸出透明背景的 RGBA 影像。
微軟推出開源 AI 圖像生成模型 Mage-Flow,以 4B 參數挑戰 FLUX 32B 等大型模型。本文完整解析 Mage-VAE、NR-MMDiT、原生解析度 Packing、4 步 Turbo 蒸餾、RL 對齊與中文文字渲染技術,並整理模型特色、效能優勢、硬體需求、 …
深度剖析下一代AI繪圖技術 SeFi-Image 的核心「語義優先擴散(SFD)」。透過創新的雙流架構與時間領先排程,完美平衡圖像全域佈局與局部細節。內含三階段生成邏輯、Model Zoo 規格、12.5萬 A800 GPU 小時的高效訓練成果及深度技術 Q&A 釋出!
© 2026 Communeify. All rights reserved.