独立开发者将 DiffusionGemma 改造成 300M 以下图像生成器并开源管线

一位独立开发者将 Google 的文本扩散模型 DiffusionGemma 改造成总参数量不到 300M 的图像生成模型，并开源完整文生图与图像处理训练及推理管线。实现关键是预填充图像生成工具提示词、修补 Transformers 图像注意力上游 bug（PR #50684），并利用一次输出 256 token 的视觉表示进行域内块自回归。