Multi-Resolution Flow Matching: Training-Free Diffusion Acceleration via Staged Sampling
作者: Xingyu Zheng, Xianglong Liu, Yifu Ding, Weilun Feng, Junqing Lin, Jinyang Guo, Haotong Qin
分类: cs.CV
发布日期: 2026-07-05
💡 一句话要点
提出MrFlow以解决文本到图像扩散加速问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 多分辨率生成 扩散加速 训练无关 图像生成 GAN模型
📋 核心要点
- 现有的多分辨率生成策略在上采样和局部区域修改时，常出现模糊和伪影，影响生成质量。
- 论文提出MrFlow，通过分阶段的低到高分辨率管道实现训练无关的加速，优化了生成过程。
- 实验结果显示，MrFlow实现了10倍的加速，并且与加速前的OneIG保持在1%以内的差距，超越了其他方法。
📝 摘要（中文）
硬件无关的加速文本到图像扩散策略，如时间步蒸馏和特征缓存，可以在不需要自定义内核或系统级优化的情况下减少推理时间。多分辨率生成策略最近受到广泛关注，能够在不进行任何训练的情况下实现超过5倍的加速。然而，现有方法在潜在空间中进行上采样并选择性修改部分区域时，常常导致明显的模糊或伪影。为此，我们提出了MrFlow，这是一种基于分阶段低到高分辨率管道的训练无关多分辨率加速策略。MrFlow首先在低分辨率下快速生成主要结构，然后使用轻量级的预训练GAN模型在像素空间中进行超分辨率，随后注入低强度噪声以实现高频重采样，最后在高分辨率下细化细节。实验结果表明，MrFlow在保持OneIG与加速前1%差距的同时，实现了10倍的端到端加速，显著超越其他训练无关的加速策略。
🔬 方法详解
问题定义：现有的多分辨率生成策略在上采样和局部区域修改时，常常导致生成图像的模糊和伪影，影响最终效果。
核心思路：论文提出的MrFlow通过分阶段的低到高分辨率生成流程，快速生成主要结构并在后续步骤中进行细化，从而避免了传统方法中的模糊问题。
技术框架：MrFlow的整体架构包括四个主要阶段：首先在低分辨率下快速生成主要结构；其次在像素空间中使用轻量级的预训练GAN模型进行超分辨率处理；然后注入低强度噪声以实现高频重采样；最后在高分辨率下进行细节的精细化。
关键创新：MrFlow的主要创新在于其训练无关的设计，利用低分辨率采样的二次令牌减少和减少步骤需求，实现了显著的加速效果。
关键设计：在实现过程中，MrFlow采用了轻量级的GAN模型进行超分辨率处理，并通过注入低强度噪声来增强高频细节的重采样能力，确保生成图像的质量。
🖼️ 关键图片
📊 实验亮点
实验结果表明，MrFlow在FLUX.1-dev和Qwen-Image数据集上实现了10倍的端到端加速，同时保持OneIG与加速前的差距在1%以内，显著优于其他训练无关的加速策略。此外，MrFlow还可以与预训练的时间步蒸馏策略正交结合，实现高达25倍的生成加速。
🎯 应用场景
该研究的潜在应用领域包括图像生成、艺术创作、虚拟现实等，能够在不增加计算负担的情况下提升生成效率，具有重要的实际价值。未来，MrFlow可能推动更多实时图像生成应用的发展，提升用户体验。
📄 摘要（原文）
Hardware-agnostic strategies for accelerating text-to-image diffusion, such as timestep distillation and feature caching, can reduce inference time without custom kernels or system-level optimization. Among them, multi-resolution generation strategies have recently received broad attention, attaining more than 5x speedup without any training. However, the design of performing upsampling in the latent space, together with the selective modification of partial regions, causes these methods to exhibit noticeable blurring or artifacts. To this end, we propose MrFlow, a training-free multi-resolution acceleration strategy for pretrained flow-matching models built upon a staged low-to-high-resolution pipeline. MrFlow first rapidly generates the main structure at low resolution, then performs super-resolution in the pixel space using a lightweight pretrained GAN-based model, subsequently injects low-strength noise to enable high-frequency resampling, and finally refines the details at high resolution. Quantitative and qualitative results on FLUX.1-dev and Qwen-Image show that MrFlow exploits the quadratic token reduction and reduced step requirement of low-resolution sampling to achieve 10x end-to-end acceleration while keeping OneIG within a 1% gap relative to that before acceleration, significantly surpassing other training-free acceleration strategies, and requiring no training or runtime dynamic identification whatsoever. MrFlow can further be directly combined orthogonally with pre-trained timestep distillation strategies, achieving even higher generation acceleration of up to 25x.