研究人员提出了 MrFlow，这是一种针对预训练流匹配模型的无需训练的多分辨率加速策略，它使用从低分辨率到高分辨率的流水线，显著减少了推理时间。该方法在低分辨率下生成主要结构，使用轻量级的基于 GAN 的模型在像素空间中进行超分辨率处理，注入噪声以进行高频重采样，并在高分辨率下细化细节。

  • MrFlow 在 Qwen-Image 上实现了高达 10.3 倍的端到端加速，在 FLUX.1-dev 上实现了 8.25 倍加速，同时保持 OneIG 与未加速模型的差距在 1% 以内。
  • 当与 Pi-Flow 等预训练的时间步蒸馏策略结合时，MrFlow 可实现高达 25 倍的生成加速。
  • 该实现无需微调、学习到的上采样器或自定义内核，仅依赖标准的 PyTorch 和 Diffusers 流水线。
  • 该方法兼容 FLUX.1-dev、FLUX.2 Klein Base 9B、Z-Image-Turbo 以及 Qwen-Image 系列。

MrFlow 允许用户在不重新训练模型或使用系统级优化的情况下加速文生图扩散过程，使其成为在保持视觉质量的同时实现更快生成的实用解决方案。