InfGen：一种分辨率无关的可扩展图像合成范式
计算机视觉与模式识别
2025-09-15 v1
摘要
任意分辨率图像生成可在不同设备上提供一致的视觉体验，对生产者和消费者都有广泛应用。当前的扩散模型计算需求随分辨率呈二次方增长，导致4K图像生成延迟超过100秒。为解决此问题，我们探索了在潜在扩散模型基础上的第二代生成，其中扩散模型生成的固定潜在表示被视为内容表征，我们提出使用一个一步生成器，从紧凑的生成潜在表示中解码出任意分辨率的图像。因此，我们提出了InfGen，用新的生成器替换VAE解码器，无需重新训练扩散模型即可从固定大小的潜在表示生成任意分辨率的图像，这简化了流程，降低了计算复杂度，并可应用于任何使用相同潜在空间的模型。实验表明，InfGen能够将许多模型提升到任意高分辨率时代，同时将4K图像生成时间缩短至10秒以内。
引用
@article{arxiv.2509.10441,
title = {InfGen: A Resolution-Agnostic Paradigm for Scalable Image Synthesis},
author = {Tao Han and Wanghan Xu and Junchao Gong and Xiaoyu Yue and Song Guo and Luping Zhou and Lei Bai},
journal= {arXiv preprint arXiv:2509.10441},
year = {2025}
}
备注
Accepted by ICCV 2025