AI生图免训练提速1000%:办法:最简洁的三阶段流水线

尽管AI绘画技术不断进步，生成图像的质量日益提升，但用户的实际体验仍被一个核心问题所困扰：速度。扩散模型在生成高分辨率图像时，需要反复采样，这直接导致了漫长的等待时间。

一张1024分辨率的图像，从提示词到最终输出，扩散模型往往需要在高分辨率空间中进行多次采样。质量虽然得到了提升，但等待时间也随之增加。模型的推理能力越强，其计算成本也越高。

在以往的扩散模型加速方法中，量化与高效注意力等技术高度依赖硬件协同；步数蒸馏则需要高成本的微调，且训练过程不够稳定；特征缓存类方法需动态识别并缓存中间特征，其加速比通常难以超过5倍。

是否存在一种方法，无需依赖特定硬件、无需蒸馏微调模型、也无需在运行时进行动态识别，就能显著提升图像生成速度？

由北京航空航天大学、南洋理工大学、苏黎世联邦理工学院组成的研究团队进行了一次简洁而有效的尝试：

先低清打草稿，再放大，最后高清补一笔。

MrFlow（多分辨率流匹配）正是采用这样的三阶段流程，在Qwen-Image等模型上将端到端生成时间从49.32秒缩短至4.77秒，实现了10.35倍的实际加速。

该文章发布当日即登上Hugging Face Daily Papers；发布三天内，在GitHub上已收获200余颗星；目前也已位列Hugging Face Trending Papers。

与此同时，社区创作者们已经开始围绕MrFlow进行尝试、讨论和扩展：

回到MrFlow本身，它为何能用如此简单的流程换来10倍量级的端到端加速？

先看看加速来源

MrFlow的默认强加速配置是12+1：

1. 低分辨率阶段跑12步
2. 高分辨率阶段只推理1步

原生高清生成里，最重的计算都压在高分辨率采样上。MrFlow则把大头挪到低分辨率阶段，高分辨率只做短程补细节。中间的VAE、超分、噪声准备这些额外步骤的开销并不大，计入总时间后依然能达到10倍以上的端到端加速。

再看看生成效果

在10倍量级加速下，MrFlow能够稳定地生成清晰干净的图像，定量指标显示差距能控制在约1%以内。

Qwen-Image上的样例（10.3倍加速）：

FLUX.1-dev上的样例（8.25倍加速）：

为什么要采用多级分辨率

分析下设计思路：图像天然具有的空间信息结构为降低分辨率这种朴素高效的生成方式提供了条件。主体是谁、位置在哪里、姿态怎样、构图是否合理、整体语义有没有对上提示词——这些东西其实不一定非要直接在高分辨率空间里从头开始算。更低的分辨率几乎不会严重破坏原有的语义信息、能够保持整体的空间结构，同时图像tokens数量也会产生平方级的减少。

MrFlow抓住的就是这个机会：先便宜地生成结构，最后再精修细节。而两者之间则可以直接由预训练的超分辨率模型衔接。

各个步骤的细节

第一步，低分辨率结构生成

先让原始模型在低分辨率潜在空间中生成一张图。这一步负责全局结构：主体、布局、语义、颜色氛围。

低分辨率的好处很直接：

1. 图像tokens平方级减少，每一步都便宜
2. 低频结构更容易收敛，总步数也可以少

第二步，回到像素空间超分

接下来，把低分辨率结果解码成图像，再进行超分辨率以提升分辨率。

这里有一个关键选择：不在潜在空间中直接放大，而是在像素空间放大。

因为在潜在空间上采样虽然看起来省事，但容易带来后续处理时的局部模糊、纹理混乱、结构破坏等问题。像素空间超分辨率则更像是沿着已经确定的画面继续加工：保持结构、补充细节，并且能够充分利用过往的先进预训练超分辨率模型。

论文中还专门比较了不同的超分辨率策略。直接插值和部分基于回归损失训练得到的超分辨率模型容易导致模糊，扩散式超分辨率可能错误改动局部语义，而Real-ESRGAN等基于GAN的超分辨率模型在清晰度、稳定性和速度之间取得了更好的平衡。

第三步，加一点噪声，再高清修缮

超分辨率之后的图像已经具备高清外观，但仍然存在不可避免的局部细节不清或语义混乱问题，尤其是在涉及文本生成时。原因很简单：超分辨率网络不理解提示词，可能会生成看起来合理但语义上不完全正确的纹理。

因此，MrFlow将超分辨率图像重新编码回潜在空间后，先注入少量低强度噪声以准备下一步重写。由于超分辨率没有改变主体的低频信息，并且补充的高频信息中只有少部分需要修缮，因此通常只需添加强度约为0.12的噪声进行高频信号覆写即可。

最后再交给原始流匹配模型进行单步高分辨率优化。仅需1步的原因在于：前面的低分辨率生成与超分辨率所提供的有效信息已经足够充分，覆写错误信号所添加的噪声强度很低，因此高分辨率的推理起点自然地落在靠近干净图像一侧的轨迹上，沿直线方向单步采样即可。

和其他免训练加速方法相比，好在哪里？

结合权衡曲线与方法实现来看，MrFlow优势显著：配置灵活、高效准确、代码简单，在Geneval测试中，加速比与生成质量的曲线稳居图像右上角，稳定胜过其他各类免训练加速方法。

其中，在4倍以上的端到端加速比下，缓存类方法很快就会面临崩溃。

而其他的多级分辨率加速方法，都是在潜在空间中进行上采样，容易出现模糊、伪影、局部结构变形等问题，且在不同模型上的泛化性存在明显差异。从视觉对比上看，这类方法与MrFlow的差异甚至比测试指标更明显：这些方法在高加速比下经常出现局部纹理塌陷或结构不稳，而MrFlow的细节保留更为干净。

各类方法的图像放在一起进行对比时，也能看到同样的趋势：MrFlow在免训练方法中实现了最好的速度与质量平衡；与蒸馏类方法结合后，还能进一步叠加加速效果。

Qwen-Image上的对比示例：

FLUX.1-dev上的对比示例：

所有先进模型都适用，还能与时间步蒸馏正交结合

论文和开源仓库中已经覆盖了多种先进模型：

其中值得注意的是，它还能与时间步蒸馏模型叠加，相比原始的50步基础模型实现25倍以上的加速。也就是说，如果已拥有Pi-Flow、Z-Image-Turbo这类蒸馏模型，MrFlow无需重新训练一套组合方案，而是可以直接接在现有权重上继续提升速度。

完整开源，还包含ComfyUI插件

作者在GitHub仓库中已经整理好了一键运行的最小演示和各个模型的完整参数化示例。

除了常规的算法代码以外，还直接提供了ComfyUI插件示例，社区创作者可以即开即用。目前社区中已有MrFlow在Krea-2等最新模型上的实现。

补充讨论

多级分辨率策略在过往的工作中也有迹可循：社区中如Hires.fix这类流程，也早已在像素空间引入了超分辨率。不同的是，MrFlow并非旨在将预训练模型推向更高分辨率的绘图域，而是聚焦于训练能力范围内的生成加速，并通过系统实验拆解了其流程为什么有效。

换句话说，MrFlow探讨的并非“是否能画得更大”，而是“既然模型已经会画，是否能减少在高分辨率空间中的不必要计算”。沿着这个问题，低分辨率阶段先完成整体布局，高分辨率阶段再补充细节，是一种更具针对性的算力分配方式。

论文题目：Multi-Resolution Flow Matching: Training-Free Diffusion Acceleration via Staged Sampling

论文链接：https://arxiv.org/abs/2607.01642

代码链接：https://github.com/Xingyu-Zheng/MrFlow

Hugging Face Daily Paper：https://huggingface.co/papers/date/2026-07-03

Hugging Face Trending Papers：https://huggingface.co/papers/trending

更合理地规划计算的粗细粒度，这就是MrFlow简单却有效的原因。