# 策展 · X (Twitter) 🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Xuanchi Ren (@xuanchi13) · 平台：X (Twitter) · 日期：2026-07-15

> 原始來源：https://x.com/xuanchi13/status/2076873178928881678

## 中文摘要

Xuanchi Ren 發布 Pixel Diffusion Decoder (PiD) v1.5，透過整合擴散模型解碼技術，解決了色彩偏移問題並提升 4K 影像品質。

**核心功能與更新**
PiD v1.5 是一款隨插即用的擴散解碼器，旨在取代傳統的 VAE/RAE 解碼器。它將潛在空間（latent space）直接轉換為超解析度像素，並透過單次傳遞（single pass）完成解碼與放大。此次 v1.5 版本的主要改進包括：
- **畫質優化**：徹底解決了色彩偏移（color-shifting）問題，並在 4K 解析度下提供更佳的視覺品質。
- **廣泛支援**：相容於多種主流模型，包括 FLUX、FLUX.2、Qwen-Image 以及 Z-Image 等。
- **完整資源**：釋出了未蒸餾（undistilled）的檢查點（checkpoint）以及完整的訓練程式碼，方便使用者進行復現與二次開發。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1784078722820-u9xcghpl.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/216917ca571e8272.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 影片展示了 Pixel Diffusion Decoder (PiD) v1.5 在圖像生成過程中，透過 PiD Decode 技術對比傳統 VAE Decode 的畫質提升與細節修復效果。

**使用與部署**
PiD 提供了兩種主要的推論入口，使用者可根據需求選擇：
1. `from_ldm.py`：適用於「文字/類別 → 潛在擴散模型 → PiD 解碼」的流程。
2. `from_clean.py`：適用於「影像 → VAE 編碼 → PiD 解碼」的流程。

若要快速開始，使用者可確保環境具備 PyTorch (CUDA)、`transformers>=4.57.x` 與 `diffusers>=0.37`，並透過以下指令安裝必要依賴：
```bash
pip install hydra-core omegaconf pyyaml \
    attrs einops loguru termcolor fvcore iopath wandb \
    imageio opencv-python-headless pandas \
    safetensors sentencepiece boto3 botocore
```
隨後可使用 `PYTHONPATH=. python verify_env.py` 驗證環境是否就緒。針對檢查點下載，可透過 Hugging Face 進行：
```bash
hf download nvidia/PiD --local-dir . --include "checkpoints/*"
```

**技術背景與應用**
根據官方釋出的比較與演示，PiD v1.5 在處理動漫、室內場景及複雜紋理時，相較於傳統 VAE 解碼展現出更高的銳利度與細節保留能力。該專案目前已整合至 [ComfyUI](https://github.com/Comfy-Org/ComfyUI/pull/14103)，開發者亦可參考官方提供的 `2k`、`2kto4k` 及 `2kto4k_v1pt5` 等不同變體，針對特定解析度與模型架構進行最佳化。更多詳細的比較數據與演示可參考 [PiD 專案頁面](https://research.nvidia.com/labs/sil/projects/pid/comparison.html)。

## 媒體內容

**影片展示了 Pixel Diffusion Decoder (PiD) v1.5 在圖像生成過程中，透過 PiD Decode 技術對比傳統 VAE Decode 的畫質提升與細節修復效果。**

**影片中的 Prompt 與操作**

操作步驟：

1. （00:00）啟動對比視窗，展示動漫角色圖像。
2. （00:03）放大檢視動漫角色眼睛細節。
3. （00:07）切換至另一位動漫角色圖像。
4. （00:10）放大檢視該角色的眼睛細節。
5. （00:13）切換至圖書館場景圖像。
6. （00:16）切換至室內喝茶人物圖像。
7. （00:20）切換至軍事場景圖像。
8. （00:23）放大檢視軍事場景中士兵與坦克的細節。

## 標籤

開源專案, 功能更新, AIGC, Pixel Diffusion Decoder, NVIDIA