Tag · 3 篇

高分辨率生成

分布生成模型与扩散2图像编辑与可控生成1

UltraFlux: Data-Model Co-Design for High-quality Native 4K Text-to-Image Generation across Diverse Aspect Ratios

针对原生 4K 文生图，提出 Resonance 2D RoPE 与 YaRN 结合的位置编码、非对抗 VAE 后训练、SNR 感知的 Huber 小波损失以及分阶段美学课程学习，系统解决高分辨率下位置编码、VAE 压缩与优化耦合失效的问题，可直接迁移到其他高分辨率扩散模型。

Transition Models: Rethinking the Generative Learning Objective

TiM 提出了一种精确的连续时间动力学方程，可解析定义任意有限时间间隔的状态转移，使生成模型能在单步跳跃与多步细化之间无缝切换，并随采样步数增加单调提升质量。这对视觉生成研究意味着可以设计更灵活的采样策略，在少步与多步生成间取得平衡，同时支持高达 4096x4096 的原生分辨率生成。

HierEdit: Region-Aware Hierarchical Diffusion for Efficient High-Resolution Editing

把高分辨率编辑拆成「低分辨率代理定位 + 局部窗口 MMDiT 精修」两级流程，只对改动区域做全分辨率去噪、未改动区域作为条件复用，可直接迁移到 4K 修复/重绘等需要避免全图注意力开销的编辑任务。