Nvidia PiD v1.5: Pixel Diffusion Decoder for FLUX.2 and Qwen-Image

PiD v1.5（像素扩散解码器）由Nvidia Research提供，为FLUX、FLUX.2和Qwen-Image带来了更新的模型，具有改进的颜色保真度、消除的网格伪影以及增强的动漫和面部细节。该更新还引入了一个新的推荐2kto4k_v1pt5模型变体，用于最高4K解码。

PiD是什么？

PiD（像素扩散解码器）将Latent到像素的解码器重新构造为条件像素空间扩散模型，将解码和上采样统一为一个生成模块。与标准VAE解码器（仅反转编码器）不同，PiD直接在高分辨率像素空间中进行去噪，并在一次传递中生成超分辨率图像。

潜在扩散模型（FLUX、SD3、SDXL）中使用的标准VAE解码器是面向重建的——优化用于反转编码器而不是合成额外细节。PiD取而代之采用生成式方法，能够在更高分辨率下生成更清晰、更详细的输出，同时保持与已生成Latent的一致性。

v1.5的新特性

PiD v1.5在三个主要Latent空间上带来了有针对性的改进：

改进的解码颜色保真度——从已生成Latent中更准确地还原颜色
消除图像角落的网格伪影——输出更干净，尤其是在高分辨率下
改进的动漫和面部细节——更好地处理精细结构元素

新的**2kto4k_v1pt5**模型是FLUX、FLUX.2和Qwen-Image推荐的最高4K解码器。这些模型的上一个2kto4k模型已弃用，并移至checkpoints_deprecated/。

可用模型

所有PiD模型均为4步蒸馏：

主干模型	2K分辨率	2K转4K分辨率
FLUX	PiD_res2k_sr4x_flux_distill_4step	PiD_v1pt5_res2kto4k_sr4x_flux_distill_4step
FLUX.2	PiD_res2k_sr4x_flux2_distill_4step	PiD_v1pt5_res2kto4k_sr4x_flux2_distill_4step
Qwen-Image	—	PiD_v1pt5_res2kto4k_sr4x_qwenimage_distill_4step

v1.5的2kto4k模型还支持Z-Image、Z-Image-Turbo和FLUX.2-Klein（4B/9B）变体。


标准 VAE（512×512）	PiD v1.5（2048×2048）

对比：FLUX.2 Latent 经标准 VAE 解码与 PiD v1.5 解码的效果 — PiD 在颜色保真度、伪影消除和细节增强方面均有明显提升。

工作原理

PiD将Latent解码器重新定义为像素空间中的扩散过程：

首先通过轻量级编码器将Latent表示投影为低分辨率像素图像
条件扩散模型在Latent特征的引导下对此低分辨率图像进行去噪
结果是在一次传递中获得高分辨率、细节丰富的图像——将解码和上采样结合在一起

这种方法意味着PiD可以直接从标准Latent表示生成最高4K分辨率的图像，而无需单独的图像放大步骤。

即用型工作流

ComfyUI 工作流库中提供了两个官方模板，展示 PiD 的实际应用：

PiD Latent Upscale — 将 PiD 作为 FLUX、FLUX.2 和 PixelDiT 主干网络的 latent upscale/解码器替代方案。

PixelDiT 文生图 — 使用 PixelDiT 作为骨干网络、PiD 进行解码的完整文生图流水线。

与ComfyUI的相关性

PiD 可通过自定义节点（ComfyUI-PiD）在 ComfyUI 中使用，并已集成到官方模板工作流中。PiD Latent Upscale 工作流允许将 PiD 作为 FLUX、FLUX.2 和 PixelDiT 的即插即用 VAE 解码器替代方案，而 PixelDiT 文生图工作流则展示了端到端生成与 PiD 解码的结合。

该模型根据NSCLv1许可证发布（仅限非商业研究或评估）。