MrFlow, Diffusion 추론 속도 최대 10배 가속
[Paper] Multi-Resolution Flow Matching: Training-Free Diffusion Acceleration via Staged Sampling
·2026.07.05 18:25
추가 학습 없이 단계별 해상도 조절을 통해 Diffusion 모델의 추론 속도를 획기적으로 높이는 MrFlow 기술이 제안되었습니다.
기존의 멀티 해상도 생성 방식이 발생시키던 블러(Blurring)나 아티팩트 문제를 해결하기 위해 제안된 MrFlow는 학습이 필요 없는(Training-free) 가속 전략입니다.
작동 원리는 다음과 같습니다:
- 저해상도 단계: 메인 구조를 빠르게 생성합니다.
- 픽셀 공간 업샘플링: 가벼운 사전 학습된 GAN 기반 모델을 사용하여 해상도를 높입니다.
- 고주파 재샘플링: 낮은 강도의 노이즈를 주입하여 디테일을 보강합니다.
- 고해상도 정밀화: 최종적으로 세부 사항을 다듬습니다.
FLUX.1-dev 및 Qwen-Image 테스트 결과, 기존 방식 대비 최대 10배의 엔드 투 엔드 가속을 달성하면서도 이미지 품질 저하(OneIG)를 1% 이내로 유지했습니다. 또한, 기존의 타임스텝 증류(Timestep Distillation) 기술과 결합할 경우 최대 25배까지 가속이 가능합니다.
이 요약은 원문 이해를 돕기 위한 큐레이션입니다. 저작권은 원저작자에게 있으며, 정확한 내용과 맥락은 원문을 확인하세요.
요약 오류, 출처 표기 문제, 삭제 요청은 문의 · 건의로 알려주세요.