PhotoQuilt : Photomosaïques à résolution arbitraire sans entraînement par débruitage bootstrapé en tuiles

Résumé

Les photomosaïques sont de grandes images dont les régions locales apparaissent comme des carreaux indépendants, tandis que leur agencement d'ensemble forme une scène cohérente. Leur génération à haute résolution, où chaque carreau est convaincant en soi, est coûteuse en calcul, car le canevas doit contenir simultanément de nombreux carreaux détaillés. Nous présentons PhotoQuilt, un cadre sans entraînement qui génère des photomosaïques à résolution arbitraire. Les modèles de diffusion peinent à satisfaire les deux échelles à la fois, car la génération directe en haute résolution est coûteuse et tend vers une image lisse plutôt qu'une mosaïque, tandis que le découpage en carreaux préserve les détails locaux mais perd la structure globale. PhotoQuilt résout ce problème par une procédure de débruitage par carreaux amorcée. Nous produisons d'abord une composition globale en basse résolution pour fixer la disposition, puis nous la suréchantillonnons dans l'espace latent et réinjectons du bruit pour restaurer la capacité générative. Le débruitage s'effectue dans des carreaux fixes, de sorte que chacun forme sa propre image tandis que la structure globale partagée les maintient dans une seule disposition. Étant donné que la génération des carreaux est traitée séparément, PhotoQuilt passe à l'échelle sur de grands canevas sans coût d'attention quadratique. Les expériences montrent que PhotoQuilt surpasse les références actuelles tant sur la structure globale que sur le réalisme local.

English

Photomosaics are large images whose local regions are seen as independent tiles while their overall arrangement forms a coherent scene. Generating them at high resolution, with every tile convincing in its own right, is computationally expensive, since the canvas must hold many detailed tiles at once. We present PhotoQuilt, a training-free framework that generates photomosaics at arbitrary resolution. Diffusion models struggle to satisfy both scales at once, as direct high-resolution generation is costly and tends toward one smooth image rather than a mosaic, while patch-based tiling keeps local detail but loses global structure. PhotoQuilt resolves this with a bootstrapped tiled denoising procedure. We first produce a global composition at low resolution to fix the layout, then upscale it in latent space and re-inject noise to restore generative capacity. Denoising proceeds within fixed tiles, so each forms its own image while the shared global structure holds them in one layout. Because tile generation is handled separately, PhotoQuilt scales to large canvases without quadratic attention cost. Experiments show that PhotoQuilt outperforms current baselines on both global structure and local realism.