يقترح الباحثون MrFlow، وهي استراتيجية لتسريع متعدد الدقة بدون تدريب لنماذج مطابقة التدفق المدربة مسبقًا، تستخدم خط أنابيب تدريجي من الدقة المنخفضة إلى العالية لتقليل وقت الاستدلال بشكل كبير. تولد الطريقة الهيكل الرئيسي بدقة منخفضة، وتقوم بتضخيم الدقة في فضاء البكسل باستخدام نموذج خفيف قائم على GAN، وتحقن الضوضاء لإعادة أخذ العينات عالية التردد، وتُحسّن التفاصيل بدقة عالية.
- يحقق MrFlow تسريعًا نهائيًا يصل إلى 10.3 مرة على Qwen-Image و8.25 مرة على FLUX.1-dev مع الحفاظ على OneIG ضمن فجوة 1% مقارنة بالنماذج غير المسرعة.
- عند دمجه مع استراتيجيات تقطير خطوة زمنية المدربة مسبقًا مثل Pi-Flow، يمكن لـ MrFlow تحقيق تسريع في التوليد يصل إلى 25 مرة.
- لا يتطلب التنفيذ ضبطًا دقيقًا (finetuning)، أو مizers رفع دقة مُعلَّمة، أو نوى مخصصة، ويعتمد على خطوط أنابيب PyTorch وDiffusers القياسية.
- متوافق مع FLUX.1-dev وFLUX.2 Klein Base 9B وZ-Image-Turbo وعائلة Qwen-Image.
يُمكّن MrFlow المستخدمين من تسريع انتشار النص إلى الصورة دون إعادة تدريب النماذج أو استخدام تحسينات على مستوى النظام، مما يجعله حلاً عمليًا لتوليد أسرع مع الحفاظ على الجودة البصرية.