APT：利用自适应路径追踪改进高分辨率图像生成的扩散模型
计算机视觉与模式识别
2025-07-30 v1 人工智能
摘要
Latent Diffusion Models (LDMs) 通常在固定分辨率下训练，这限制了其在扩展至高分辨率图像时的能力。虽然基于训练的方法通过在高分辨率数据集上训练来解决这一局限性，但它们需要大量数据和可观的计算资源，使其不够实用。因此，免训练方法，尤其是基于分块的方法，成为一种流行的替代方案。这些方法将图像划分为多个分块并融合每个分块的去噪路径，在高分辨率生成上展现出强劲的性能。然而，我们观察到基于分块的方法存在两个关键问题，我们将其称为“分块级分布偏移”和“分块单调性增加”。为了解决这些问题，我们提出了自适应路径追踪（APT），这是一个结合了统计匹配以确保上采样潜空间中分块分布保持一致，以及尺度感知调度以处理分块单调性的框架。结果，APT 在高分辨率图像中生成了更清晰、更精细的细节。此外，APT 启用了一种快捷去噪过程，在质量极小下降的情况下实现了更快的采样。我们的实验结果证实，APT 以更快的推理速度生成了更具细节的输出，为高分辨率图像生成提供了一种实用的方法。
引用
@article{arxiv.2507.21690,
title = {APT: Improving Diffusion Models for High Resolution Image Generation with Adaptive Path Tracing},
author = {Sangmin Han and Jinho Jeong and Jinwoo Kim and Seon Joo Kim},
journal= {arXiv preprint arXiv:2507.21690},
year = {2025}
}