InfGen: Ein auflösungsunabhängiges Paradigma für skalierbare Bildsynthese
InfGen: A Resolution-Agnostic Paradigm for Scalable Image Synthesis
September 12, 2025
papers.authors: Tao Han, Wanghan Xu, Junchao Gong, Xiaoyu Yue, Song Guo, Luping Zhou, Lei Bai
cs.AI
papers.abstract
Die Erzeugung von Bildern mit beliebiger Auflösung bietet ein konsistentes visuelles Erlebnis über verschiedene Geräte hinweg und findet umfangreiche Anwendungen für Produzenten und Konsumenten. Aktuelle Diffusionsmodelle steigern den Rechenaufwand quadratisch mit der Auflösung, was zu Verzögerungen von über 100 Sekunden bei der Generierung von 4K-Bildern führt. Um dies zu lösen, untersuchen wir die zweite Generation von latenten Diffusionsmodellen, bei denen das durch Diffusionsmodelle erzeugte feste Latent als Inhaltsrepräsentation betrachtet wird. Wir schlagen vor, Bilder mit beliebiger Auflösung aus einem kompakten generierten Latent mithilfe eines Ein-Schritt-Generators zu dekodieren. Daher präsentieren wir das InfGen, das den VAE-Decoder durch den neuen Generator ersetzt, um Bilder in jeder Auflösung aus einem Latent fester Größe zu erzeugen, ohne die Diffusionsmodelle neu trainieren zu müssen. Dies vereinfacht den Prozess, reduziert die Rechenkomplexität und kann auf jedes Modell angewendet werden, das denselben latenten Raum verwendet. Experimente zeigen, dass InfGen in der Lage ist, viele Modelle in die Ära der beliebig hohen Auflösung zu führen und gleichzeitig die Generierungszeit für 4K-Bilder auf unter 10 Sekunden zu verkürzen.
English
Arbitrary resolution image generation provides a consistent visual experience
across devices, having extensive applications for producers and consumers.
Current diffusion models increase computational demand quadratically with
resolution, causing 4K image generation delays over 100 seconds. To solve this,
we explore the second generation upon the latent diffusion models, where the
fixed latent generated by diffusion models is regarded as the content
representation and we propose to decode arbitrary resolution images with a
compact generated latent using a one-step generator. Thus, we present the
InfGen, replacing the VAE decoder with the new generator, for
generating images at any resolution from a fixed-size latent without retraining
the diffusion models, which simplifies the process, reducing computational
complexity and can be applied to any model using the same latent space.
Experiments show InfGen is capable of improving many models into the arbitrary
high-resolution era while cutting 4K image generation time to under 10 seconds.