PixelFlow：基于流的像素空间生成模型

我们提出了 PixelFlow，一个直接在原始像素空间中运行的图像生成模型家族，这与主要的潜在空间模型形成对比。这种方法通过消除对预训练变分自编码器 (VAE) 的需求，并使整个模型能够端到端训练，从而简化了图像生成过程。通过高效的级联流建模，PixelFlow 在像素空间中实现了可承受的计算成本。在 256x256 ImageNet 类条件图像生成基准测试中，它实现了 1.98 的 FID。定性的文本到图像结果表明，PixelFlow 在图像质量、艺术性和语义控制方面表现出色。我们希望这种新范式将激发并为下一代视觉生成模型开辟新的机遇。代码和模型可在 https://github.com/ShoufaChen/PixelFlow 获取。