Исследователи предлагают MrFlow, стратегию многоуровневого ускорения без дообучения для предварительно обученных моделей flow-matching, которая использует поэтапный конвейер от низкой к высокой разрешающей способности для значительного сокращения времени вывода. Метод генерирует основную структуру в низком разрешении, выполняет суперразрешение в пиксельном пространстве с помощью легкой модели на основе GAN, добавляет шум для высокочастотной передискретизации и уточняет детали в высоком разрешении.
- MrFlow обеспечивает ускорение end-to-end до 10.3x на Qwen-Image и 8.25x на FLUX.1-dev, сохраняя OneIG в пределах 1% отклонения по сравнению с неускоренными моделями.
- В сочетании со стратегиями дистилляции временных шагов, такими как Pi-Flow, MrFlow может обеспечить ускорение генерации до 25x.
- Реализация не требует дообучения, обученных апсемплеров или пользовательских ядер, полагаясь на стандартные конвейеры PyTorch и Diffusers.
- Подход совместим с семействами FLUX.1-dev, FLUX.2 Klein Base 9B, Z-Image-Turbo и Qwen-Image.
MrFlow позволяет пользователям ускорять диффузию от текста к изображению без переобучения моделей или использования системных оптимизаций, что делает её практичным решением для более быстрой генерации при сохранении визуального качества.