Des chercheurs de l'Université des sciences et technologies de Huazhong et du laboratoire VIVO AI Lab ont dévoilé Moebius, un framework léger de retouche d'images par intelligence artificielle. Face à la complexité et au coût computationnel prohibitif des modèles industriels de référence, souvent composés de dizaines de milliards de paramètres, l'équipe propose une architecture hautement optimisée qui préserve des performances de pointe tout en réduisant drastiquement les exigences matérielles. Le système repose sur un réseau de diffusion réorganisé autour d'un nouveau bloc technique nommé LλMI, conçu pour synthétiser efficacement les contextes spatiaux et les informations sémantiques globales dans des matrices linéaires compactes. Cette méthode conserve les interactions visuelles complexes tout en éliminant la majorité des paramètres superflus. Pour contourner la limitation de capacité engendrée par cette compression, les développeurs ont intégré une stratégie de distillation adaptative à plusieurs niveaux de granularité. Entraîné exclusivement dans l'espace latent afin d'éviter les traitements lourds en résolution native, ce processus ajuste dynamiquement les critères d'apprentissage et garantit un alignement de haute fidélité avec les modèles industriels de plus grande envergure. Les tests sur des bases de données standardisées, couvrant paysages naturels et portraits, indiquent que Moebius offre une qualité de génération égale, voire supérieure, à celle de FLUX.1-Fill-Dev, qui possède 11,9 milliards de paramètres. En contrepartie, le nouveau cadre n'en utilise que 0,22 milliard, soit moins de deux pour cent, tout en accélérant le temps de calcul de plus de quinze fois. Cette avancée démontre qu'une spécialisation architecturale rigoureuse, couplée à une formation par transfert de connaissances, permet de lever les barrières traditionnelles entre taille du modèle et précision visuelle. En rendant accessibles des outils de génération d'images de niveau industriel sur du matériel standard, Moebius positionne une nouvelle référence en matière d'efficacité computationnelle et prépare le terrain pour des déploiements à grande échelle dans les applications grand public et professionnelles.