Génération d'images par IA accélérée de 1000% sans entraînement, méthode : le « pipeline en trois étapes » le plus simple
Le modèle de génération d’images par IA MrFlow (Multi-Resolution Flow Matching), développé par une équipe de recherche de l’Université de Beihang, de NTU et de l’ETH, propose une accélération significative sans entraînement supplémentaire. Basé sur un pipeline en trois étapes simples, il permet de réduire le temps de génération d’images de haute résolution tout en préservant la qualité.
L’approche repose sur trois phases :
1. Génération de structure à basse résolution (12 étapes) pour capturer la composition globale, les couleurs et la sémantique.
2. Sur-échantillonnage dans l’espace pixel à l’aide d’un modèle pré-entraîné comme Real-ESRGAN pour obtenir une image haute définition tout en conservant la clarté structurelle.
3. Raffinement haute résolution en une seule étape, après ajout d’un faible bruit, pour corriger les détails et assurer la cohérence sémantique avec l’invite.
Cette méthode atteint une accélération de 10,35× sur des modèles comme Qwen-Image, réduisant le temps de génération de 49,32 s à 4,77 s, avec une perte de qualité inférieure à 1 %. Contrairement aux autres méthodes d’accélération sans entraînement, MrFlow évite les artefacts flous ou les déformations locales grâce au sur-échantillonnage en espace pixel. Elle est compatible avec plusieurs modèles avancés (FLUX.1-dev, SD3, etc.) et peut être combinée à des techniques de distillation pour une accélération supplémentaire.
Le code est open source, incluant un plugin ComfyUI pour une utilisation facile.
marsbitIl y a 11 mins
