Iris-3B: открыты модели для глубины и восстановления изображений

Что появилось у Iris-3B 8 октября

Хотите понять, какие предметы на фотографии ближе к камере, или увеличить небольшой снимок? Разработчики Iris-3B 8 октября добавили два отдельных набора весов для этих задач к выпущенной 5 октября модели генерации изображений. Один строит относительную карту глубины, второй восстанавливает изображение и увеличивает его в четыре раза. Код для обеих задач появился в официальном репозитории в тот же день. Это новые варианты одной модели, а не обещание, что одна загрузка выполнит все три задачи. s1 s2 s3

Iris-3B рисует непосредственно пиксели картинки, не проходя через отдельный модуль сжатия и восстановления изображения. Авторы исследовали, помогает ли такой подход не только рисовать по тексту, но и разбирать фотографии. Важная оговорка: в опубликованном сравнении они не нашли значимого преимущества подхода над сопоставимыми моделями, использующими сжатое представление; это вывод авторов в рамках их экспериментов, а не независимая проверка Modelium. s4

Что можно получить и что для этого нужно

Вариант depth принимает фотографию и выдаёт цветную карту глубины и файл с числовыми значениями. Это относительная глубина: карта показывает расположение ближе или дальше, но не расстояние в метрах. Вариант upscaler принимает фотографию и сохраняет восстановленное изображение, увеличенное в четыре раза по каждой стороне. Результат следует сравнивать с исходником: мелкие детали могут выглядеть убедительно, не будучи достоверными. s1 s3

В официальном репозитории лежат три самостоятельных файла весов: базовый генератор, depth и upscaler; каждый около 12 ГБ на диске. Для генерации по тексту дополнительно скачивается отдельная текстовая модель Qwen3-VL-4B-Instruct; для двух новых задач она не нужна. Размер файлов не является требованием к оперативной памяти или памяти видеокарты. Авторы документируют запуск кода на Python 3.11+ и видеокарте NVIDIA с CUDA — её платформой для вычислений; минимальную конфигурацию для домашнего ПК карточка не устанавливает. Скачивание весов и зависимостей требует интернета, сама обработка после подготовки может выполняться локально. Редакция Modelium полный запуск не выполняла. s1 s3

Чтобы оценить пригодность до сложной установки, откройте официальную карточку модели: там есть примеры входных фото и выходных картинок, а также ссылки на исходный код и демонстрацию. Демонстрация на Hugging Face — удалённый сервис, не проверка работы на вашем компьютере. Для локального запуска авторы описывают отдельные программы scripts/depth.py и scripts/upscale.py; это путь для тех, кто уже работает с Python и CUDA, а не готовая кнопка для новичка. s1 s3

Как относиться к качеству и лицензии

Авторы приводят оценки на наборах фотографий для глубины и увеличения, но это их измерения при описанных в статье условиях, а не гарантия качества на вашей фотографии. В исследовании прямо сказано, что переход к непосредственной работе с пикселями не улучшил результаты в этих двух задачах по сравнению с выбранной моделью со сжатым представлением. Поэтому выбирать Iris-3B только из-за необычной архитектуры не стоит. s4

Код и веса Iris-3B авторы распространяют под Apache 2.0, позволяющей коммерческое применение при соблюдении условий лицензии. Текстовая модель для генерации скачивается отдельно и имеет собственную лицензию Apache 2.0. Это не означает, что сервис с демонстрацией работает локально или что любая фотография подходит для использования без проверки прав. s1 s3 s5

Если задача — просто получить картинку по тексту на Mac, посмотрите изменения MFLUX 0.22.0: это другой инструмент и другая модель, не совместимый способ запустить веса Iris-3B.