NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation
Краткое изложение пресс-релиза
Диффузионные модели могут терять качество при генерации в разрешении намного ниже обучающего. NoiseShift связывает это с несоответствием между запланированным шумом и воспринимаемым искажением при низком разрешении. Метод перекалибровывает шумовое условие без переобучения и изменения расписания семплирования. Для Stable Diffusion 3, Stable Diffusion 3.5 и Flux-Dev авторы сообщают об улучшениях без дополнительных затрат на инференс; FID SD3 при 128 × 128 снижается с 203 до 171 на LAION-COCO.
аннотация
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.
цитирование
@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},
}
автоматически сгенерированные вопросы, основные вклады и ограничения этой статьи
Вопросы, на которые помогает ответить эта статья
- Какую проблему решает NoiseShift? Улучшает генерацию текст-изображение ниже финальных обучающих разрешений.
- Почему качество падает? Один уровень запланированного шума означает иное воспринимаемое искажение при низком разрешении и сбивает калибровку денойзера.
- Нужно ли переобучение? Нет; расписание сохраняется, а шумовое условие переиндексируется.
- Какие модели проверены? Stable Diffusion 3, Stable Diffusion 3.5 и Flux-Dev.
Основные вклады
- NoiseShift выявляет зависящее от разрешения несоответствие условия.
- Он обучает отображение для каждого разрешения на малом калибровочном наборе.
- Исходное расписание сохраняется без заявленных накладных расходов инференса.
- FID улучшается для SD3, SD3.5 и Flux-Dev, включая SD3 с 203 до 171.
Ограничения и предостережения
- Оценены три семейства; другие архитектуры и домены требуют проверки.
- Состав малого калибровочного набора может влиять на устойчивость.
- Пользовательские оценки, задержка и польза для последующих задач дополнят метрики.
- Область применения узка, но отсутствие переобучения и накладных расходов делает метод практичным.
Как интерпретировать этот результат
NoiseShift — целевая и эффективная коррекция конкретного сбоя при низком разрешении, подтверждённая согласованными результатами.