FouriScale explore la génération d'images haute résolution à partir de modèles de diffusion pré-entraînés, en adoptant une perspective d'analyse fréquentielle. Grâce à une méthode innovante et sans entraînement, les couches de convolution d'origine des modèles de diffusion pré-entraînés sont remplacées par une approche combinant une technique de dilatation et une opération de filtrage passe-bas. Ce processus est optimisé par une stratégie de remplissage puis de rognage, permettant une gestion flexible des rapports d'aspect variés dans la génération d'images à partir de texte. Guidée par FouriScale, cette méthode réussit à équilibrer l'intégrité structurelle et la fidélité des images générées, atteignant une capacité remarquable de génération haute résolution, de haute qualité et de taille arbitraire. Sa simplicité et sa compatibilité permettent d'offrir des perspectives précieuses pour les futures explorations en génération d'images à ultra-haute résolution.