arXiv cs.AI· Alejandro Ca\~nada, Chema Garabito·· 1 天前AI 评分58
Iris-Z：用单一生成模型超越专用几何模型
Iris-Z: Scaling One Generative Model Past Specialist Geometry Models
AI 导读
Iris-Z 是一个通用图像生成器，用同一套权重同时生成图像与深度、从照片估计深度、按给定深度生成图像，无需专用层。作者称在足够规模下，它在既有深度基准上超过 SOTA 专用模型，同时保留原主干的生成能力，并已向社区发布两个模型。论文共 14 页、9 图、6 表，代码与模型已公开。
正文 · AI 翻译
摘要：语言从许多任务专用模型走向一个统一模型：一个单一的生成模型，配以单一的生成式训练任务，在同一骨干网络内处理所有这些任务，并随着数据、参数和算力的增加而不断改进。我们相信，这一苦涩教训同样适用于计算机视觉、3D 与空间理解，最终也适用于视觉智能：精力应当投入到以统一方式解决所有这些任务的通用架构上，并对其进行扩展，而不是投入到任务专用的设计中。我们在单目几何这一多年来一直属于专用架构的任务上对此进行了验证。Iris-Z 是一个通用图像生成器，可同时生成外观与几何。单一骨干网络同时对图像及其深度进行去噪、推理与理解，同一组权重既能生成图像及其深度，也能从照片估计深度，还能将图像绘制到给定深度上。在足够规模下，它在既有的深度基准上超越了最先进的专用模型，同时在没有专用层的情况下保留了其起始骨干网络的生成能力。我们向社区发布两个模型。
| 评论： | 14 页，9 幅图，6 张表。代码与模型：this https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| ACM 分类： | I.2.10；I.4.8 |
| 引用为： | arXiv:2611.16010 [cs.CV] |
| （或本版本的 arXiv:2611.16010v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2611.16010 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chema Garabito [查看邮箱]
[v1]
2026 年 11 月 11 日星期三 21:08:37 UTC（8,141 KB）
来源：arXiv cs.AI · arxiv.org