I-Max：通过投射流最大化预训练整流流变换器的分辨率潜力
计算机视觉与模式识别
2024-10-16 v2
摘要
整流流变换器（RFTs）在训练和推理效率方面具有优势，因而成为扩散模型规模化的最可行方向。然而，由于数据质量和训练成本的限制，生成分辨率的进展相对缓慢。无需调参的分辨率外推提供了一种替代方案，但当前方法常会降低生成稳定性，限制了实际应用。在本文中，我们审阅了现有的分辨率外推方法，并引入I-Max框架以最大化文本到图像RFT的分辨率潜力。I-Max特点包括：（i）一种用于稳定外推的新颖投射流策略；（ii）一种用于将模型知识推广到更高分辨率的先进推理工具包。针对Lumina-Next-2K和Flux.1-dev进行实验，证明I-Max在分辨率外推中提升了稳定性，并表明其能够实现图像细节显现和伪影校正，确认了无需调参分辨率外推的实际价值。
引用
@article{arxiv.2410.07536,
title = {I-Max: Maximize the Resolution Potential of Pre-trained Rectified Flow Transformers with Projected Flow},
author = {Ruoyi Du and Dongyang Liu and Le Zhuo and Qin Qi and Hongsheng Li and Zhanyu Ma and Peng Gao},
journal= {arXiv preprint arXiv:2410.07536},
year = {2024}
}