任意分辨率的图像生成能够在不同设备上提供一致的视觉体验，在生产者和消费者应用中具有广泛价值。然而，现有的扩散模型在分辨率提升时，其计算需求会 随分辨率呈二次方增长，导致 4K 图像生成的延迟超过 100 秒。为了解决这一问题，我们探索了 潜在扩散模型（latent diffusion models）的第二代改进。在该框架中，扩散模型生成的固定潜在表示被视为内容表征，我们进一步提出利用一个 单步生成器，将这一紧凑的潜在表示解码为任意分辨率的图像。因此，我们提出了 InfGen，用其替代传统的 VAE。