Moebius論文完整解讀（arXiv:2606.19195）一、論文整體概述1. 基礎(chǔ)信息標(biāo)題：Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance單位：華中科技大學(xué)HUST視覺實(shí)驗(yàn)室 + VIVO AI Lab任務(wù)：輕量化圖像修復(fù)（Image Inpainting）核心痛點(diǎn)：FLUX.1-Fill、SD3.5等10B級工業(yè)通用修復(fù)模型畫質(zhì)強(qiáng)，但參數(shù)量巨大、推理極慢，無法部署在手機(jī)、嵌入式等端側(cè)設(shè)備；現(xiàn)有輕量化方案直接替換卷積/注意力會產(chǎn)生表征瓶頸，修復(fù)畫質(zhì)嚴(yán)重崩壞。核心成果：提出Moebius輕量修復(fù)框架，僅0.22B參數(shù)（僅FLUX.1-Fill-Dev 11.9B的2%），在自然場景、人像基準(zhǔn)上匹敵甚至超越10B大模型，總推理速度提升15倍以上，兼顧小參數(shù)量、低延遲、高畫質(zhì)三大目標(biāo)。2. 核心創(chuàng)新點(diǎn)創(chuàng)新1：LλMI（Local-λ Mix Interaction）基礎(chǔ)模塊，解決輕量化表征瓶頸現(xiàn)有線性注意力（GLA）無法同時(shí)支持自注意力+