拡散モデルは、訓練時解像度を超えてスケーリングする際に課題に直面する。高解像度の直接サンプリングは計算コストが高く、処理が遅いため、事後処理による画像超解像（ISR）が広く用いられるが、これにはデコード後に処理を行うためアーティファクトの発生や追加の遅延が生じる。本研究では、生成器の潜在空間コードに対して最終VAEデコード手前で超解像を直接行う、軽量なモジュール「Latent Upscaler Adapter（LUA）」を提案する。LUAはベースモデルの修正や追加の拡散段階を必要とせず、ドロップイン型のコンポーネントとして容易に統合可能であり、潜在空間内での単一の前向き伝播（feed-forward pass）によって高解像度画像の合成を実現する。スケールに特化したピクセルシャッフルヘッドを備えた共通のSwin型バックボーンにより、2倍および4倍の拡大が可能であり、従来の画像空間超解像基線と互換性を保ちつつ、ほぼ3倍のデコードおよび拡大処理時間削減を達成（512ピクセルから1024ピクセル生成に要する追加時間はLUAで+0.42秒、同様のSwinIRアーキテクチャを用いた画像空間SRと比較して1.87秒）。さらに、LUAは異なるVAEの潜在空間間で優れた汎化性能を示し、各新しいデコーダーに対して再学習を必要とせずに即時展開が可能である。広範な実験により、LUAはネイティブな高解像度生成と同等の忠実度を達成しつつ、現代の拡散パイプラインにおいてスケーラブルかつ高忠実度な画像合成を実現する実用的かつ効率的な手段であることが示された。