Современные модели генерации изображений становятся все качественнее, однако скорость их работы остается одной из главных проблем. Исследователи из Пекинского университета авиации и космонавтики (Beihang University), Наньянского технологического университета (NTU) и ETH Zurich предложили новый метод ускорения генерации изображений под названием MrFlow (Multi-Resolution Flow Matching), который позволяет сократить время создания изображения более чем в десять раз без дополнительного обучения модели.

Обычно диффузионные модели создают изображение высокого разрешения постепенно, выполняя множество вычислительных шагов непосредственно в пространстве высокого разрешения. Именно эта часть процесса требует наибольших вычислительных ресурсов. Существующие методы ускорения часто требуют специального оборудования, повторного обучения моделей или сложных механизмов оптимизации.

Подход MrFlow значительно проще. Вместо того чтобы сразу генерировать изображение в высоком разрешении, система использует трехэтапный процесс: сначала создает черновик в низком разрешении, затем увеличивает его с помощью готовой модели суперразрешения, а на последнем этапе выполняет лишь один шаг высокоточного уточнения деталей.

Такой подход позволяет перенести большую часть вычислений на более дешевый этап работы с изображением низкого разрешения. В опубликованных экспериментах время генерации изображения размером 1024×1024 пикселя сократилось примерно с 49 до менее чем 5 секунд, что соответствует ускорению более чем в 10 раз при практически неизменном качестве результата.

Авторы объясняют эффективность метода тем, что основная структура изображения — композиция, расположение объектов, цвета и общая семантика — может быть успешно сформирована уже при низком разрешении. Высокое разрешение требуется главным образом для прорисовки мелких деталей, поэтому выполнять полный цикл вычислений на этом этапе оказывается нецелесообразно.

Важной особенностью MrFlow является использование суперразрешения в пространстве пикселей, а не скрытых представлений (latent space). По мнению исследователей, такой подход обеспечивает более четкое изображение и лучше сохраняет структуру сцены. Для увеличения разрешения применяются уже существующие модели, например Real-ESRGAN, после чего исходная генеративная модель выполняет лишь минимальную корректировку результата.

По сравнению с другими способами ускорения генерации изображений MrFlow не требует переобучения моделей и совместим с различными современными генераторами, включая Qwen-Image и FLUX. Кроме того, метод можно комбинировать с уже существующими технологиями ускорения, что позволяет добиться еще более высокой производительности.

Исследователи полностью открыли исходный код проекта и подготовили готовые примеры для популярных инструментов, включая ComfyUI. Благодаря этому разработчики и энтузиасты могут быстро протестировать новый подход и интегрировать его в собственные рабочие процессы.

Работа демонстрирует, что значительного прироста производительности можно добиться не только за счет создания новых моделей, но и благодаря более эффективному распределению вычислений между различными этапами генерации изображения. Именно такой подход может стать одним из важных направлений дальнейшего развития технологий генеративного искусственного интеллекта.