Aceleración de Flow Matching mediante muestreo multiresolución sin entrenamiento | Cómo optimizar modelos de difusión por etapas de resolución | Técnica para reducir latencia en generación de imágenes IA

Abstract

PROBLEMA: Los modelos de Flow Matching y Difusión requieren numerosos pasos de muestreo computacionalmente costosos, lo que limita su despliegue en tiempo real. SOLUCIÓN: El paper propone 'Multi-Resolution Flow Matching' (MR-FM), un método que descompone el proceso de muestreo en múltiples resoluciones espaciales, enfocando la computación pesada solo en las etapas finales de refinamiento. METODOLOGÍA: Utilizan una estrategia de muestreo por etapas ('Staged Sampling') que opera en latentes de baja resolución para la estructura global y escala progresivamente hacia detalles finos sin necesidad de reentrenamiento. RESULTADOS: Logran una aceleración de hasta 5 veces en la inferencia manteniendo e incluso mejorando la fidelidad visual frente a modelos base de resolución completa. RELEVANCIA: Es una técnica crítica para democratizar el acceso a modelos generativos de alta calidad en hardware con recursos limitados.