NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation
preprint

NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation

Ruozhen He, Moayed Haji-Ali, Ziyan Yang, Vicente Ordonez
arXiv:2510.02307
Nachrichtenredaktion des Labors

Zusammenfassung der Pressemitteilung

Dieser Abschnitt ist bewusst im Stil einer Pressemitteilung in journalistischem Ton für ein allgemeines Publikum verfasst.

Diffusionsmodelle können bei deutlich niedrigeren Auflösungen als im Training an Qualität verlieren. NoiseShift führt dies auf eine Fehlanpassung zwischen geplantem Rauschen und wahrgenommener Störung bei niedriger Auflösung zurück. Ohne Neutraining oder Änderung des Sampling-Plans kalibriert die Methode die Rauschkonditionierung neu. Bei Stable Diffusion 3, Stable Diffusion 3.5 und Flux-Dev berichten die Autoren Verbesserungen ohne zusätzlichen Inferenzaufwand; der FID von SD3 bei 128 × 128 sinkt auf LAION-COCO von 203 auf 171.

Zusammenfassung

Text-to-image diffusion models often degrade when sampled at resolutions outside the final training resolution set. Prior work has largely emphasized higher resolution generation, enabling pretrained diffusion models to extrapolate beyond the resolutions seen during training. In this work, we instead target lower-resolution generation, performing inference at reduced resolution to significantly cut computational cost. We show that network conditioning of the noise level induces a train-test mismatch that directly degrades low-resolution generation: the same scheduled noise level can correspond to a different perceptual corruption level at lower resolutions, mis-calibrating the denoiser timestep and noise embedding. To this end, we propose NoiseShift, a training-free recalibration method that keeps the original noise sampling schedule unchanged and instead re-indexes the noise conditioning of the denoiser to restore local forward-reverse consistency. Using a lightweight coarse-to-fine calibration on a small set of image-text pairs, NoiseShift learns a resolution-specific mapping from scheduler noise to conditioning noise, reducing train-test mismatch and improving lower-resolution generation quality. When NoiseShift is applied to Stable Diffusion 3 (SD3), Stable Diffusion 3.5 (SD3.5), and Flux-Dev, generation quality at low resolutions improves consistently. Particularly, SD3 generation at 128x128 resolution gets an improved FID score from 203 to 171, and SD3.5 gets an improved FID score from 310 to 277 on LAION-COCO. Even Flux-Dev which already implements a complementary time-shifting strategy gets a modest boost from NoiseShift with an improved FID score from 120 to 113 at 64x64 resolution. More importantly, NoiseShift achieves such improvements with minimal implementation changes and no additional inference overhead.

Zitation

@article{henoiseshift,
  title = {NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation},
  author = {He, Ruozhen and Haji-Ali, Moayed and Yang, Ziyan and Ordonez, Vicente},
  journal = {arXiv preprint arXiv:2510.02307},
  url = {https://arxiv.org/abs/2510.02307},
}

automatisch generierte Fragen, wichtigste Beiträge und Grenzen dieses Artikels

Fragen, die dieser Artikel beantworten hilft

  • Welches Problem löst NoiseShift? Es verbessert Text-zu-Bild-Generierung unterhalb der finalen Trainingsauflösungen.
  • Warum sinkt die Qualität? Dasselbe geplante Rauschen entspricht bei niedriger Auflösung einer anderen wahrgenommenen Störung und dekalibriert den Denoiser.
  • Ist Neutraining nötig? Nein; der Zeitplan bleibt erhalten und nur die Rauschkonditionierung wird neu indiziert.
  • Welche Modelle wurden getestet? Stable Diffusion 3, Stable Diffusion 3.5 und Flux-Dev.

Wichtigste Beiträge

  • NoiseShift identifiziert eine auflösungsabhängige Fehlanpassung der Konditionierung.
  • Es lernt mit einem kleinen Kalibrierungssatz eine auflösungsspezifische Abbildung.
  • Der ursprüngliche Plan bleibt ohne berichteten Inferenzmehraufwand erhalten.
  • FID verbessert sich bei SD3, SD3.5 und Flux-Dev, darunter SD3 von 203 auf 171.

Grenzen und Vorbehalte

  • Drei Modellfamilien werden geprüft; weitere Architekturen und Domänen bleiben offen.
  • Die Zusammensetzung des kleinen Kalibrierungssatzes könnte die Robustheit beeinflussen.
  • Nutzerstudien, Latenz und nachgelagerter Nutzen würden die Bildmetriken ergänzen.
  • Der Fokus ist eng, aber fehlendes Neutraining und kein Mehraufwand machen die Methode praktisch.

Wie dieses Ergebnis zu lesen ist

NoiseShift ist eine gezielte und effiziente Korrektur einer konkreten Fehlanpassung bei niedriger Auflösung, gestützt durch konsistente Ergebnisse.