InfGen : Un paradigme indépendant de la résolution pour la synthèse d'images évolutive

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

La génération d'images à résolution arbitraire offre une expérience visuelle cohérente sur tous les appareils, avec des applications étendues pour les producteurs et les consommateurs. Les modèles de diffusion actuels augmentent la demande de calcul de manière quadratique avec la résolution, entraînant des délais de génération d'images 4K dépassant 100 secondes. Pour résoudre ce problème, nous explorons la deuxième génération basée sur les modèles de diffusion latente, où le latent fixe généré par les modèles de diffusion est considéré comme la représentation du contenu, et nous proposons de décoder des images à résolution arbitraire à partir d'un latent compact en utilisant un générateur en une seule étape. Ainsi, nous présentons InfGen, qui remplace le décodeur VAE par ce nouveau générateur, permettant de générer des images à n'importe quelle résolution à partir d'un latent de taille fixe sans avoir à réentraîner les modèles de diffusion. Cela simplifie le processus, réduit la complexité computationnelle et peut être appliqué à tout modèle utilisant le même espace latent. Les expériences montrent qu'InfGen est capable de faire évoluer de nombreux modèles vers l'ère de la haute résolution arbitraire tout en réduisant le temps de génération d'images 4K à moins de 10 secondes.

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.