FireFlow: 이미지 의미 편집을 위한 빠른 Rectified Flow 역전

Distillation을 활용한 Rectified Flows(ReFlows)는 빠른 샘플링을 위한 유망한 방법을 제공하지만, 이미지를 구조화된 노이즈로 역변환하여 복구 및 후속 편집을 수행하는 문제는 아직 해결되지 않았습니다. 본 논문에서는 FireFlow를 소개합니다. 이는 간단하면서도 효과적인 제로샷(zero-shot) 접근 방식으로, ReFlow 기반 모델(예: FLUX)의 생성 능력을 계승하면서 8단계에서 정확한 역변환과 편집 능력을 확장합니다. 먼저, 신중하게 설계된 수치 해법기(numerical solver)가 ReFlow 역변환에 결정적임을 보여주며, 이는 2차 해법기의 정밀성을 유지하면서 1차 오일러(Euler) 방법의 실용적인 효율성을 보장합니다. 이 해법기는 최신 ReFlow 역변환 및 편집 기술에 비해 3배의 실행 시간 가속화를 달성하며, 학습 없이 더 작은 재구성 오류와 우수한 편집 결과를 제공합니다. 코드는 다음 URL에서 이용 가능합니다: https://github.com/HolmesShuan/FireFlow{this URL}.