Команда Meta AI анонсировала Pixio — новую модель обработки изображений, которая учится исключительно через реконструкцию пикселей. Несмотря на меньшую сложность и количество параметров, Pixio демонстрирует превосходство над более сложными методами, такими как DINOv3, в ряде практических задач. В отличие от традиционного подхода, при котором модель заполняет замаскированные части изображения, Pixio выходит за рамки простой реконструкции и осваивает пространственное расположение объектов. Модель способна предсказывать, что скрыто за маскировкой, например, отражение человека в окне. легкость и качество в генерации изображений моделей, таких как Muse Spark

Pixio базируется на фреймворке, представленном Meta в 2021 году, и включает модификации, такие как усиленный декодер и использование более крупных замаскированных областей. Команда собрала два миллиарда изображений для обучения, при этом отказавшись от оптимизации для конкретных тестовых наборов. В результате Pixio превосходит DINOv3 в производительности, включая задачи монокулярной глубины и 3D-реконструкции. Однако исследователи отмечают ограничения метода маскирования и планируют использовать видео для дальнейшего обучения, что позволит модели предсказывать будущие кадры.