论文页面 - Mage-Flow: 高效原生分辨率基础模型，用于图像生成与编辑

来源：https://huggingface.co/papers/2607.19064 发布于 7月21日

·

由 https://huggingface.co/Xinjie-Q 提交

Xinjie (https://huggingface.co/Xinjie-Q) 于 7月22日

#3 今日论文 (https://huggingface.co/papers/date/2026-07-22) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

大规模视觉生成器能力日益增强，但其训练、微调和部署成本高昂。我们提出 Mage-Flow，一个紧凑的 4B 规模生成栈，用于高效文生图和基于指令的图像编辑。该栈由两个协同设计的组件构成：Mage-VAE（一个轻量级高保真潜在分词器）和一个基于修正流匹配训练的原生分辨率多模态扩散 Transformer。Mage-VAE 采用单步扩散风格编码/解码，并辅以锚点潜在正则化，在保持强公共 VAE 重建质量的同时，将分词成本降低一个数量级以上。结合原生分辨率打包和栈级 CUDA 内核融合，该栈支持灵活分辨率训练，并将端到端训练吞吐量提升约 2.5 倍。在此基础上，我们开发了完整的模型系列，包括 Base、RL-aligned 和 Turbo 变体，分别用于生成和编辑。Diffusion-NFT 改善了提示遵循、文本渲染、美学质量和编辑保真度，而结合对抗性感知指导的少步蒸馏则产生了用于低延迟推理的 4 步 Turbo 模型。尽管规模紧凑，Mage-Flow 和 Mage-Flow-Edit 在标准生成和编辑基准上均取得了具有竞争力的性能。更重要的是，Turbo 变体使得高分辨率生成和编辑对于交互式使用变得切实可行：在单张 NVIDIA A100 GPU 上，Mage-Flow-Turbo 生成 1024^2 分辨率图像仅需 0.59 秒，Mage-Flow-Edit-Turbo 编辑图像仅需 1.02 秒，同时保持较小的内存占用。这些结果表明，通过精心设计的分词器-骨干-系统协同设计，可以在高效的 4B 模型系列中实现强大的高分辨率生成和编辑。

查看 arXiv 页面 (https://arxiv.org/abs/2607.19064) 查看 PDF (https://arxiv.org/pdf/2607.19064) 项目页面 (https://microsoft.github.io/Mage/) GitHub4 (https://github.com/microsoft/Mage) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.19064)

在你的 agent 中获取这篇论文：

hf papers read 2607\.19064

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型18

microsoft/Mage-Flow 文生图• 4B• 更新于约5小时前 • 22 (https://huggingface.co/microsoft/Mage-Flow)

microsoft/Mage-Flow-Base 文生图• 4B• 更新于约5小时前 • 9 (https://huggingface.co/microsoft/Mage-Flow-Base)

microsoft/Mage-Flow-Edit-Turbo 图生图• 4B• 更新于约5小时前 • 8 (https://huggingface.co/microsoft/Mage-Flow-Edit-Turbo)

microsoft/Mage-Flow-Turbo 文生图• 4B• 更新于约5小时前 • 6 (https://huggingface.co/microsoft/Mage-Flow-Turbo)

浏览引用该论文的18个模型 (https://huggingface.co/models?other=arxiv:2607.19064)## 引用该论文的数据集0

没有关联该论文的数据集

请在数据集 README.md 中引用 arxiv.org/abs/2607.19064 以在此页面建立链接。

引用该论文的 Spaces2

包含该论文的收藏0

没有包含该论文的收藏

请将该论文添加到一个收藏 (https://huggingface.co/new-collection) 中以在此页面建立链接。