PRX Part 3：Photoroom 如何在 24 小时内训练文本到图像模型

Photoroom 使用 32 张 H200、约 $1500 的计算预算，在 24 小时内训练文本到图像模型，并公开 PRX 代码与实验框架。配方结合像素空间训练、LPIPS 与 DINOv2 感知损失、TREAD token 路由、REPA 表征对齐、DINOv3 和 Muon 优化器，模型以 512px 训练 100k 步后再以 1024px 微调 20k 步。