Moebius: 0.2B轻量级图像修复框架，性能达10B级别

尽管10B级别的工业基础模型已将图像修复（image inpainting）的边界大幅拓展，但其高昂的计算成本严重阻碍了实际部署。构建高度优化的任务专用模型是一个有前景的解决方案，然而极端的结构压缩不可避免地会引发严重的表征瓶颈。为攻克这一难题，我们提出Moebius——一个高效轻量化的修复框架。我们通过引入局部-λ混合交互（LλMI）模块，系统性地重构了扩散骨干网络。该模块由Local-λ和Interactive-λ两个子模块组成，巧妙地将空间上下文和全局语义先验归纳为固定大小的线性矩阵，在大幅削减参数的同时保留了复杂的潜在交互。此外，为充分释放这一高度紧凑架构的表征能力，我们将其与自适应多粒度蒸馏策略协同配合。该策略严格在潜在空间内运作（避免昂贵的像素空间解码），通过动态平衡多个基于梯度的损失函数实现高保真对齐。在自然图像和人像基准上的大量实验表明，这种最优协同使Moebius在生成质量上能够媲美甚至超越10B级别的工业通用模型FLUX.1-Fill-Dev。值得注意的是，Moebius仅用不到2%的参数（0.22B对比11.9B）便实现了这一性能，同时总推理时间加速超过15倍，为高保真修复树立了新的效率标杆。项目页面：https://hustvl.github.io/Moebius。