近日，华中科技大学与VIVO AI Lab联合发布轻量级图像修复框架Moebius。该研究旨在解决十亿级参数工业基础模型虽能突破图像修复性能边界，却因高昂计算成本难以落地的问题。针对极端结构压缩引发的表征瓶颈，研究团队系统重构了扩散模型骨干网络，创新引入局部λ混合交互模块。该模块将复杂空间上下文与全局语义先验高效压缩为固定尺寸线性矩阵，在保留潜在交互特征的同时大幅削减参数量。为充分释放紧凑架构的表征潜力，团队协同采用自适应多粒度蒸馏策略。该策略严格在潜在空间内运行，避免昂贵的像素空间解码开销，通过动态平衡多类梯度损失函数，实现与大容量教师模型的高保真对齐。跨场景基准测试表明，Moebius凭借不足0.22B的参数量，仅为业界十亿级通用模型FLUX.1的百分之二，在生成质量上媲美甚至超越后者，同时将整体推理时间缩短逾15倍。此项成果有效打通了高保真图像修复技术的工程化部署路径，为人工智能视觉生成领域树立了全新的效率标杆。