精选理由
英伟达 PiD 解决了高分辨率图像生成中解码器速度慢、显存占用高的痛点，做 AI 图像生成或超分应用的开发者可以直接在消费级显卡上跑通，值得关注。
英伟达团队发布 PiD（像素扩散解码器）图像生成技术，将潜在解码与上采样合并为一个生成模块，在消费级 RTX 5090 上仅需 13GB 显存、不到 1 秒即可将 512×512 潜变量解码放大至 2048×2048 像素。PiD 基于 PixelDiT 构建，加入轻量级 ControlNet 适配器，并通过 DMD2 蒸馏将推理步数压缩至 4 步，配合早停机制兼顾速度与质量。相比级联式扩散超分方案，端到端延迟最多快 5.9 倍，视觉保真度更优。该技术兼容传统 VAE 和语义潜变量（如 SigLIP、DINOv2），具备较强通用性。
AI 翻译 · 中文
英伟达团队发布 PiD（像素扩散解码器）图像生成技术，将潜在解码与上采样合并为一个生成模块，在消费级 RTX 5090 上仅需 13GB 显存、不到 1 秒即可将 512×512 潜变量解码放大至 2048×2048 像素。PiD 基于 PixelDiT 构建，加入轻量级 ControlNet 适配器，并通过 DMD2 蒸馏将推理步数压缩至 4 步，配合早停机制兼顾速度与质量。相比级联式扩散超分方案，端到端延迟最多快 5.9 倍，视觉保真度更优。该技术兼容传统 VAE 和语义潜变量（如 SigLIP、DINOv2），具备较强通用性。
IT之家 5 月 27 日消息，英伟达团队最新发布图像生成技术 PiD，在消费级单张 RTX 5090 显卡上， 能在 1 秒内将 512×512 图像潜变量直接解码并放大到 2048×2048 像素，峰值显存为 13 GB。 根据博文介绍，高分辨率文本生成图像过程中，通常先在潜在空间生成，再由解码器恢复成清晰图像。 潜在空间指模型把原始图像压缩后得到的数值表示空间，保留主体结构、语义关系等关键信息，却省去大量像素级细节，因此计算成本更…