論文の概要: HRDiT: Training-Free High-Resolution Image Generation with Off-the-Shelf Diffusion Transformer Models

• arxiv url: http://arxiv.org/abs/2608.07003v1
• Date: Fri, 07 Aug 2026 09:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.445367
• Title: HRDiT: Training-Free High-Resolution Image Generation with Off-the-Shelf Diffusion Transformer Models
• Title（参考訳）: HRDiT:オフザシェル拡散変圧器モデルを用いた訓練不要高分解能画像生成
• Abstract要約: 学習不要のテキスト-高解像度画像生成は研究の注目を集めている。 空間障害と長期という2つの重要な課題を見出す。 本稿では,高分解能画像合成のための市販のDiTモデルに適した新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 43.22340339827798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training-free text-to-high-resolution image generation has recently attracted growing research attention. However, existing studies on this task primarily focus on adapting off-the-shelf U-Net-based diffusion models to high resolutions, with limited progress on adapting off-the-shelf Diffusion Transformer (DiT) models despite their strong text-to-image generation capabilities at limited resolutions. In this work, we find two key challenges particularly hindering the application of off-the-shelf DiT models for high-resolution image synthesis in a training-free manner, namely, spatial disorder and long generation time. To address these challenges, we propose a novel method tailored to adapt off-the-shelf DiT models for high-resolution image synthesis. Extensive experiments show the efficacy of our method. Our code is available at: https://github.com/zylwithxy/HRDiT.
• Abstract（参考訳）: トレーニング不要のテキスト-高解像度画像生成は、最近研究の注目を集めている。 しかし,本課題における既存の研究は,高精細度でのテキスト・画像生成能力の強いにもかかわらず,市販の拡散変換器(DiT)モデルの適用が限定的でありながら,市販のU-Netベースの拡散モデルを高精細度に適応させることに重点を置いている。 本研究では,高分解能画像合成における市販のDiTモデルの適用を妨げる2つの重要な課題,すなわち空間障害と長期化の2つを考察する。 これらの課題に対処するため,高分解能画像合成のための市販のDiTモデルに適した新しい手法を提案する。 大規模な実験により,本手法の有効性が示された。 私たちのコードは、https://github.com/zylwithxy/HRDiT.comで利用可能です。

関連論文リスト

• Enhanced Semantic Extraction and Guidance for UGC Image Super Resolution [18.058473238611725]
  本稿では,拡散フレームワークにセマンティックガイダンスを組み込むことにより,画像超解像に対する新しいアプローチを提案する。 本手法は,野生データセットと合成データセットの劣化の矛盾に対処する。 我々のモデルは、CVIRE 2025Short-form Image Super-Resolution Challengeで2位を獲得した。
  論文  参考訳（メタデータ） (2025-04-14T05:26:24Z)
• FreeScale: Unleashing the Resolution of Diffusion Models via Tuning-Free Scale Fusion [50.43304425256732]
  FreeScaleは、スケール融合による高解像度のビジュアル生成を可能にする、チューニング不要な推論パラダイムである。 画像モデルとビデオモデルの両方において高解像度の視覚生成機能を拡張する。
  論文  参考訳（メタデータ） (2024-12-12T18:59:59Z)
• A Wavelet Diffusion GAN for Image Super-Resolution [7.986370916847687]
  拡散モデルは,高忠実度画像生成のためのGAN(Generative Adversarial Network)の優れた代替品として登場した。 しかし、そのリアルタイム実現性は、遅いトレーニングと推論速度によって妨げられている。 本研究では,ウェーブレットを用いた単一画像超解法のための条件拡散GANスキームを提案する。
  論文  参考訳（メタデータ） (2024-10-23T15:34:06Z)
• Effective Diffusion Transformer Architecture for Image Super-Resolution [63.254644431016345]
  画像超解像のための効果的な拡散変換器(DiT-SR)を設計する。 実際には、DiT-SRは全体のU字型アーキテクチャを活用し、すべての変圧器ブロックに対して均一な等方性設計を採用する。 我々は、広く使われているAdaLNの制限を分析し、周波数適応型時間-ステップ条件付けモジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-29T07:14:16Z)
• Degradation-Guided One-Step Image Super-Resolution with Diffusion Priors [75.24313405671433]
  拡散に基づく画像超解像法 (SR) は、事前訓練された大規模なテキスト・画像拡散モデルを先行として活用することにより、顕著な成功を収めた。 本稿では,拡散型SR手法の効率問題に対処する新しい一段階SRモデルを提案する。 既存の微調整戦略とは異なり、SR専用の劣化誘導低ランク適応 (LoRA) モジュールを設計した。
  論文  参考訳（メタデータ） (2024-09-25T16:15:21Z)
• DiffuseHigh: Training-free Progressive High-Resolution Image Synthesis through Structure Guidance [11.44012694656102]
  テキストから画像への拡散モデルのような大規模生成モデルは、様々な領域で広く注目を集めている。 既存の大規模拡散モデルでは、最大1K解像度の画像を生成できる。 本稿では,高分解能画像の生成を導くために,生成した低分解能画像を完全に活用する新しいプログレッシブアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-26T16:10:31Z)
• FouriScale: A Frequency Perspective on Training-Free High-Resolution Image Synthesis [48.9652334528436]
  本稿では、周波数領域解析の観点から、FouriScaleの革新的な学習不要アプローチを紹介する。 従来の拡散モデルの畳み込み層を,低域演算とともに拡張手法を組み込むことで置き換える。 提案手法は, 生成画像の構造的整合性と忠実度をバランスさせ, 任意のサイズ, 高解像度, 高品質な生成の驚くべき能力を実現する。
  論文  参考訳（メタデータ） (2024-03-19T17:59:33Z)
• High-Resolution Image Synthesis with Latent Diffusion Models [14.786952412297808]
  オートエンコーダ上での拡散モデルの訓練は、複雑性の低減と詳細保存の間のほぼ最適点に初めて到達することができる。 我々の潜伏拡散モデル(LDMs)は,様々なタスクにおける画像インペイントと高い競争性能の新たな技術を実現する。
  論文  参考訳（メタデータ） (2021-12-20T18:55:25Z)
• A Generic Approach for Enhancing GANs by Regularized Latent Optimization [79.00740660219256]
  本稿では,事前学習したGANを効果的かつシームレスに拡張できる,エミュレーティブモデル推論と呼ばれる汎用フレームワークを提案する。 我々の基本的な考え方は、ワッサーシュタイン勾配流法を用いて与えられた要求に対する最適潜時分布を効率的に推算することである。
  論文  参考訳（メタデータ） (2021-12-07T05:22:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。