I-Max: Максимизация потенциала разрешения предварительно обученных прямых потоковых трансформеров с проецированным потоком

I-Max: Maximize the Resolution Potential of Pre-trained Rectified Flow Transformers with Projected Flow

October 10, 2024

Авторы: Ruoyi Du, Dongyang Liu, Le Zhuo, Qin Qi, Hongsheng Li, Zhanyu Ma, Peng Gao

cs.AI

Аннотация

Преобразователи прямого потока (RFT) обеспечивают превосходную эффективность обучения и вывода, что делает их, вероятно, наиболее перспективным направлением для масштабирования моделей диффузии. Однако прогресс в разрешении генерации был относительно медленным из-за качества данных и затрат на обучение. Экстраполяция разрешения без настройки представляет собой альтернативу, однако текущие методы часто снижают стабильность генерации, ограничивая практическое применение. В данной статье мы рассматриваем существующие методы экстраполяции разрешения и представляем фреймворк I-Max для максимизации потенциала разрешения RFT для текста-к-изображению. I-Max включает: (i) новую стратегию Проекционного Потока для стабильной экстраполяции и (ii) передовой инструментарий вывода для обобщения знаний модели на более высокие разрешения. Эксперименты с Lumina-Next-2K и Flux.1-dev демонстрируют способность I-Max улучшать стабильность в экстраполяции разрешения и показывают, что он способен приносить появление деталей изображения и коррекцию артефактов, подтверждая практическую ценность экстраполяции разрешения без настройки.

English

Rectified Flow Transformers (RFTs) offer superior training and inference efficiency, making them likely the most viable direction for scaling up diffusion models. However, progress in generation resolution has been relatively slow due to data quality and training costs. Tuning-free resolution extrapolation presents an alternative, but current methods often reduce generative stability, limiting practical application. In this paper, we review existing resolution extrapolation methods and introduce the I-Max framework to maximize the resolution potential of Text-to-Image RFTs. I-Max features: (i) a novel Projected Flow strategy for stable extrapolation and (ii) an advanced inference toolkit for generalizing model knowledge to higher resolutions. Experiments with Lumina-Next-2K and Flux.1-dev demonstrate I-Max's ability to enhance stability in resolution extrapolation and show that it can bring image detail emergence and artifact correction, confirming the practical value of tuning-free resolution extrapolation.