英伟达发布 PiD 技术，1 秒内将 512x512 图像放大至 2048x2048

英伟达团队最新推出图像生成技术 PiD（像素扩散解码器），能在不到 1 秒内将 512x512 像素的图像潜变量解码并放大至 2048x2048 像素。在消费级 RTX 5090 显卡上，峰值显存仅 13 GB。

传统高分辨率图像生成中，解码器主要负责“复原”压缩后的图像，但难以高效补足高分辨率细节。PiD 将解码与上采样合并到同一个生成模块中，通过条件式像素扩散技术，在输出阶段主动补足纹理、结构和局部细节。

PiD 基于 PixelDiT 构建，并加入轻量级 ControlNet 风格适配器，通过门控机制动态调整对潜在表示的信任程度。团队还采用 DMD2 蒸馏技术，将推理步数压缩到 4 步，配合早停机制，兼顾速度与质量。在 GB200 GPU 上，处理时间最快可达 210 毫秒。

PiD 不仅适用于传统 VAE 潜变量，也兼容 RAE 路线常用的语义潜变量（如 SigLIP 和 DINOv2），具备较强通用性。相比级联式扩散超分方案，PiD 端到端延迟最多快约 6 倍，同时视觉保真度更优。