从 RGB 生成到密集场读出：用文生图模型进行像素空间密集预测

论文提出 ReChannel，将文生图 DiT 的图像平面 token 网格直接映射为深度、法线、透明度、掩码和热图等任务原生像素场。方法保留 VAE 编码器、移除目标解码器，以约 33K 参数的共享 token 局部线性头配合任务 LoRA，在 FLUX-Klein 上覆盖六类任务和十多个基准；摘要称其在无 trimap 抠图、KITTI 深度与指代表达分割上达到新最佳，并在匹配的 4B 设置下比编辑加潜变量解码方案快 2.48 倍。