近年來，字節跳動在技術創新方面表現活躍，其與曠視科技的合作成果——HiDiffusion技術，近日引起業界廣泛關注。這一新技術只需一行代碼，便能顯著提升SD(擴散模型)生成圖像的分辨率和生成速度，允許圖像生成的分辨率高達4096×4096，同時將圖像生成速度提高1.5至6倍。值得一提的是，HiDiffusion不僅支持所有SD模型，也兼容SD模型的下游模型，如Playground。

　　在詳細介紹中，我們了解到，當直接使用已訓練好的圖像擴散模型嘗試生成更高分辨率的圖像時，常會遇到圖像中對象不合理重復的問題，且圖像生成時間會大幅增加。研究發現，這種對象重復問題主要由U-Net模型深層中的特征重復導致，而圖像生成時間增長則主要是由于U-Net中一個自機制注意力的動畫操作所致。

　　為了解決這些問題，字節跳動和曠視推出了新的高分辨率生成框架——HiDiffusion。該框架包含一個稱為認知分辨率U-Net(RAU-Net)的模塊，能夠動態調整特征圖尺寸，有效避免了圖像中的對象重復現象。此外，HiDiffusion還采用了一種優化后的窗口注意力機制，稱為修改版本升降窗多頭自注意力(MSW-MSA)，顯著減少了計算量。

　　通過將HiDiffusion應用于各種預訓練的擴散模型，不僅可以將圖像生成的分辨率提高至4096×4096，而且能將圖像生成速度提升1.5至6倍。廣泛的實驗驗證表明，這一方法不僅解決了對象重復和高計算負擔的問題，而且在生成高分辨率圖像的任務上取得了卓越的效果。