画像生成を最大21倍高速化する「Mr. Flow」公開、追加学習なしで導入可能

Fluxなどの大型モデルで画像を生成していると、プロンプトの微調整を繰り返すたびに生じる待ち時間が地味にストレスになります。1枚あたり10秒弱でも、数十枚試行錯誤すればあっという間に時間が溶けていきます。

こうした課題に対し、7月2日、追加学習なしで画像生成を大幅に高速化する手法「Mr. Flow」のコードとドキュメント、そしてComfyUI用プラグインが公開されました。

モデルの再学習を一切行うことなく、主要な画像生成モデルの推論速度を9倍から21倍へと引き上げ、通常10秒近くかかる生成プロセスを約1秒にまで短縮します。

小さく下書きし、最後に一瞬で仕上げる

Mr. Flowのアプローチは極めてシンプルです。低解像度で生成したほうが計算コストが圧倒的に低いという当たり前の事実に着目しています。

近年のTransformerベースの画像生成モデルでは、計算量がトークン数の2乗で膨らみます。たとえばQwen-Image-20Bの場合、Nvidia A100を使用しても1024角の画像生成に47秒近くかかることがありました。

過去にも解像度を段階的に上げる手法は存在しましたが、潜在空間（Latent Space）内で無理に引き伸ばしていたため、ぼやけや不自然なノイズが生じやすいのが難点でした。

Mr. Flowは、まず低解像度で構図や大枠の構造を高速にサンプリングします。その後、ピクセル空間に戻して軽量なGAN系超解像モデルで拡大し、微小なノイズを注入。最後に元の高解像度モデルで最終ステップのディテール調整だけを行うことで、クリアな質感へと仕上げます。

画質を保ったまま最大21倍の高速化

速度向上の効果は圧倒的です。Z-Image Turboでは最大21倍、Flux Kontextでは約9倍、Qwen Imageでも10倍を超える高速化を達成しました。

FLUX.1-devやQwen-Imageでの検証において、画質評価指標のOneIGスコア低下は元のモデルと比べて1%未満に抑えられており、肉眼での品質差はほとんど見られません。

さらに、タイムステップ蒸留技術と組み合わせた場合には、最大25倍もの加速が確認されています。

追加のモデル学習が不要なうえ、独自のGPUカーネルや特殊なハードウェアにも依存しないため、手元の環境ですぐに導入できる汎用性を備えています。

なぜ重要か

ローカル環境で制作を行うクリエイターや個人開発者にとって、ComfyUIプラグインが即座に用意されている点は非常に実用的です。高価なGPUへ買い替えることなく、1秒前後での高速プレビュー環境が手に入ります。

画像生成の高速化といえば、コストのかかる再学習を行うか、ハードウェアに特化した複雑な最適化を施すのが主流でした。Mr. Flowは、構造の決定と細部の描写を明確に切り分け、既存の超解像モデルをクッションとして挟むことで、純粋なアルゴリズムの工夫だけでこの壁を突破しています。

オープンソースの画像生成エコシステムにおいて、こうした「後付け可能な推論最適化」は今後の標準機能になっていくと考えられます。

ただし、細部の仕上げを超解像後のわずかなサンプリングステップに依存しているため、微細な文字や複雑な幾何学模様など、極端に精緻なディテールが求められる場面で破綻が生じないかについては、実際の制作フローの中で見極める必要がありそうです。