NAMI：基于桥接渐进整流流 Transformer 的高效图像生成
计算机视觉与模式识别
2026-03-09 v3
摘要
基于流的 Transformer 模型已实现了最先进的图像生成性能，但由于其参数量巨大，通常面临高推理延迟和计算成本的问题。为了在不损害质量的前提下提高推理效率，我们提出了桥接渐进整流流 Transformer (NAMI)，该模型在时间、空间和架构维度上分解生成过程。我们根据分辨率将整流流划分为不同阶段，并使用 BridgeFlow 模块连接它们。在低分辨率阶段使用较少的 Transformer 层来生成图像布局和概念轮廓，随着分辨率的提高逐步添加更多层。实验表明，我们的方法实现了快速收敛，并在确保生成质量的同时减少了推理时间。本文的主要贡献总结如下：(1) 我们引入了桥接渐进整流流 Transformer，实现了多分辨率训练，加速了模型收敛；(2) NAMI 利用 Diffusion Transformer (DiT) 的分段流和空间级联快速生成图像，将生成 1024 分辨率图像的推理时间减少了 64%；(3) 我们提出了 BridgeFlow 模块以对齐不同阶段之间的流；(4) 我们提出了 NAMI-1K 基准来评估人类偏好性能，旨在缓解分布偏差并全面评估模型有效性。结果表明，我们的模型与最先进的模型相比具有竞争力。
引用
@article{arxiv.2503.09242,
title = {NAMI: Efficient Image Generation via Bridged Progressive Rectified Flow Transformers},
author = {Yuhang Ma and Bo Cheng and Shanyuan Liu and Hongyi Zhou and Liebucha Wu and Dawei Leng and Yuhui Yin},
journal= {arXiv preprint arXiv:2503.09242},
year = {2026}
}