Разработчик Xingyu-Zheng представил метод MrFlow (Multi-Resolution Flow Matching), который позволяет радикально ускорить работу современных диффузионных моделей за счет переноса основной вычислительной нагрузки на низкое разрешение. Благодаря интеграции через кастомные ноды от пользователя RealRebelAI, этот подход стал доступен в ComfyUI для моделей Krea-2 и Z-Image Turbo.
Что произошло
Разработчик Xingyu-Zheng представил метод MrFlow (Multi-Resolution Flow Matching), предназначенный для ускорения генерации изображений в моделях диффузии без необходимости их дообучения. Параллельно с этим пользователь RealRebelAI выпустил специализированный набор нод для ComfyUI, который адаптирует данный метод под архитектуры Krea-2 и Z-Image Turbo. Технический процесс включает генерацию базового изображения в низком разрешении (512x512), последующий апскейл через Real-ESRGAN в пиксельном пространстве и завершающий этап уточнения (refinement) на высоком разрешении.
Контекст
Традиционный процесс генерации изображений высокого разрешения в SOTA-моделях требует дорогостоящего и медленного высокоразрешенного семплирования. Метод MrFlow меняет эту парадигму, заменяя тяжелые вычисления на дешевое низкоразрешенное моделирование с последующим качественным восстановлением деталей.
Почему это важно для индустрии
Для индустрии AI этот метод предлагает способ кратного ускорения инференса (до 10–25 раз), что может привести к сдвигу парадигмы от прямого высокоразрешенного семплирования к гибридным multi-resolution пайплайнам. Это потенциально снижает стоимость облачного инференса для стартапов и позволяет стандартизировать многомасштабный подход как базовый метод оптимизации диффузионных моделей в продакшене.
Почему это важно для пользователей
Пользователи ComfyUI могут значительно быстрее генерировать качественные изображения высокого разрешения с меньшими затратами вычислительных ресурсов. Использование готовых нод для Krea-2 и ZIT позволяет мгновенно внедрять сверхбыстрые пайплайны в текущие рабочие процессы, существенно снижая время ожидания (latency) при локальной генерации.
Источники
Автор
Look at AI, редакция