SDXL Refiner：两阶段生成提升图像细节质量

CH-12-01-111·约 16 分钟·AIGC内容创作与创意·更新 2026-08-11

想象你装修一套房子。施工队先进场，把墙体砌直、把水电铺好，交付一间毛坯房；随后精装团队接手，贴壁纸、铺地板、装吊灯、收边条，让每个角落都有了精致的质感。SDXL 的图像生成，走的正是这条“先毛坯、后精装”的道路——Base 模型像施工队，快速搭建画面的整体结构；Refiner 模型像精装团队，在高分辨率上逐寸打磨纹理、边缘和光影。本文会带你理解这对“施工队与精装队”如何接力配合、精修到什么力度最合适，以及如何通过噪声调度控制精修节奏，让 AI 出图从“能看”升级为“耐看”。

岗位关联

职业价值：掌握 SDXL Refiner 两阶段生成与噪声调度，是高质量 AIGC 出图能力的分水岭，能显著提升写实风格作品的商业竞争力。

可视化演示
两阶段生成架构：Base 定格局，Refiner 添质感
Refiner工作原理：精装队如何在噪声中刮腻子
噪声调度控制：精修的力度与节奏
细节增强原理：高频细节的残差补偿
Refiner使用时机：什么时候值得请精装团队
高清出图实战：两阶段管线参数配置
AI 应用场景
Python 演示
常见误区
面试题

可视化演示

展示Base模型粗去噪、Refiner精修去噪的两阶段流水线、噪声调度强度控制及三种调度策略切换。

本节配有交互动效（进入视口后自动加载，约 3KB）。

Base+Refiner两阶段流水线紫色Base模型负责从纯噪声去噪生成整体构图和色调青色Refiner在高分辨率阶段精修细节纹理 x_refined = Refiner(x_base, σ_switch) Base完成大部分去噪后，Refiner从切换点接管精修细节

两阶段生成架构：Base 定格局，Refiner 添质感

如果你装修过房子，一定明白一个常识：毛坯房阶段，重点是砌墙、走水电、定格局，绝不会纠结踢脚线的花纹；到了精装阶段，墙面是否平整、地板有没有色差，反而成了决定居住质感的关键。SDXL 的生成过程正是如此——先由 Base 模型快速搭建画面大框架，再由 Refiner 模型去抠每一个影响观感的细节。

SDXL（Stable Diffusion XL）把图像生成拆成了两个明确分工的模型：Base 模型约 3.5B 参数，负责从纯噪声出发生成全局构图，包括物体位置、空间关系、大色块分布；Refiner 模型约 2.6B 参数，接收 Base 输出的中间状态，在高分辨率上继续去噪。两者不是各跑一遍完整生成，而是像交接班一样，在某个噪声时间步上无缝完成工作移交。

这种接力关系可以写成如下形式：Base 从纯噪声出发，借助文本条件产出中间结果，Refiner 接过这份结果继续精修，得到最终的成品图。

所以，SDXL 的两阶段架构本质上就是“毛坯＋精装”的工程分工：Base 用合理的步数把画面立起来，Refiner 把墙面、地板和光线的质感做到位。理解了这条接力关系，我们才能继续追问——精装队究竟是怎么干活的。

\displaystyle x_0^{\mathrm{final}} = \operatorname{Refiner}\Big( \operatorname{Base}(z_T,\, c),\; c \Big)

公式解读：外层函数 Refiner 是精装队，内层函数 Base 是施工队。施工队先产出“毛坯图”，精装队接过毛坯图再装修成最终成品。

Base 生成函数第一阶段粗生成模型，负责从纯噪声搭建整体结构，对应“施工队盖毛坯”。
$\operatorname{Base}(z_T, c)$
纯噪声 z_T扩散采样的起点，一张充满随机噪声的画布，相当于未动工的空地。
$z_T$
文本条件 c用户提示词映射出的语义条件，相当于设计图纸，告诉两队房子要装成什么风格。
$c$
Refiner 精修函数第二阶段精修模型，接收 Base 的中间输出，在高分辨率下处理全部细节。
$\operatorname{Refiner}(\cdot, c)$
最终图像 x_0精修完成后的成品图，是交付给用户的高质量出图。
$x_0^{\mathrm{final}}$

Refiner工作原理：精装队如何在噪声中刮腻子

精装师傅拿到毛坯房后，第一步不是直接贴壁纸，而是检查墙面：有没有空鼓、平不平整。他们会先用砂纸磨掉凸起，用腻子补平凹陷，最后才上涂料。Refiner 的工作方式与此一模一样——它不是凭空创作，而是先“检查”画面里的噪声残留，再逐一清理干净。

Refiner 本质上也是一个 UNet 结构的降噪网络。它与 Base 最大的不同在于：Base 擅长在大噪声区间构建全局结构，而 Refiner 针对低噪声区间做了专门强化，能够精确预测高频噪声。当 Base 把画面推进到某个中间状态时，Refiner 的任务是估计出当前还剩多少噪声，并把它减去。

这个“减噪声”的过程可以用公式来描述：Refiner 接收带噪中间图、时间步和文本条件，输出对残留噪声的预测值。

如果把 Base 比作在毛坯房里砌墙走线的施工队，那么 Refiner 就是拿着仪器精确测量墙面平整度的精装师傅。它一遍遍地扫过画面：这里还有多少杂质？那里还剩多少噪点？然后一点一点把这些瑕疵磨平，直到墙面摸上去光洁细腻。

\displaystyle \varepsilon_{\mathrm{pred}} = \operatorname{UNet}_{\theta_{\mathrm{ref}}}\big( x_t,\, t,\, c \big)

公式解读：Refiner 网络像一个“噪声探测器”，输入当前半成品图，输出画面中还有哪些区域是噪声，从而逐一清除。

带噪中间图 x_tBase 交接给 Refiner 的半成品，既有内容结构，也残留着噪声杂质。
$x_t$
时间步 t表示当前去噪阶段，t 越小表示噪声越少、画面越接近最终成品。
$t$
UNet 网络Refiner 的骨干模型，采用编码器-解码器结构，擅长从带噪图中提取多尺度特征。
$\operatorname{UNet}_{\theta_{\mathrm{ref}}}$
预测噪声 ε_pred网络输出的噪声估计，去噪时从画面中减去它，就还原出更干净的细节。
$\varepsilon_{\mathrm{pred}}$

噪声调度控制：精修的力度与节奏

装修最考验功力的不是材料本身，而是工序与力度：腻子刮太厚，墙皮会开裂；打磨太狠，底漆就会露出来。SDXL 两阶段生成中，决定“刮多厚、磨多狠”的，正是噪声调度（Noise Schedule）。

噪声调度描述的是整个去噪过程中噪声强度的变化曲线。在 SDXL 中，噪声并不是均匀衰减的，而是沿着一条从大噪声到小噪声的曲线逐渐下降：前期噪声降低速度快，后期降低速度慢。这条曲线决定了 Base 和 Refiner 在何时交接、各自需要处理多少噪声。

在数学上，常用指数插值描述某个时间去噪时的噪声水平：

理解了这条曲线，你就掌握了装修的整体节奏：Base 在曲线前段快速找平，把大坑大洞填上；Refiner 在曲线后段（最后三成步数）精细打磨，把决定质感的小颗粒全部抛光。二者配合的默契程度，直接决定了最终画面的高级感。

\displaystyle \sigma_t = \sigma_{\mathrm{max}}^{\,1 - t/T} \cdot \sigma_{\mathrm{min}}^{\,t/T}

公式解读：t 从 0 走到 T，噪声水平从 σ_max 指数衰减到 σ_min——前段降噪快、后段精修细。曲线越平缓的地方，越是 Refiner 大展身手的舞台。

噪声强度 σ_t第 t 步时画面残留的噪声水平，数值越大画质越粗糙。
$\sigma_t$
最大噪声 σ_max起始状态对应的噪声量，此时画面几乎全是噪声。
$\sigma_{\mathrm{max}}$
衰减进度 1-t/T表示去噪已完成的比例，进度越大，噪声越少。
$1 - t/T$
最小噪声 σ_min接近干净图像时的噪声基线，对应精修阶段的目标值。
$\sigma_{\mathrm{min}}$

细节增强原理：高频细节的残差补偿

毛坯房和精装房看起来是同一套户型，为什么精装后感觉高级了不止一个档次？秘密不在承重墙，而在于踢脚线的收边、墙纸的暗纹、吊顶的弧度——这些“高频细节”。Refiner 增强图像，靠的正是补全这些高频细节。

从信号处理角度看，图像可以拆成高频信息和低频信息：低频决定整体颜色和大形状，高频决定纹理、边缘与质感。Base 擅长把低频信息放在正确位置，但在 1024×1024 这种高分辨率下，高频细节往往不够精准。Refiner 的作用，就是专门把高频部分恢复到自然状态。

这个恢复过程可以被形式化为残差补偿：Refiner 不重新发明整个图像，而是只预测一个“细节修正项”，叠加到 Base 的结果之上。

这就是为什么 Refiner 精修后的图看起来“更贵了”——它不是在改结构，而是在每一面墙上贴了有纹理的壁纸，在每个墙角压了收边条。视觉上的质感，正是由这些细节一层层堆出来的。

\displaystyle x_0^{\mathrm{final}} = x_0^{\mathrm{base}} + \Delta_{\theta_{\mathrm{ref}}}\big( x_t,\, t,\, c \big)

公式解读：最终成品 = Base 的基础图 + Refiner 预测的细节修正。修正项就像壁纸的纹理，只附着在墙面上，不改变墙体本身。

基础图 x_0^baseBase 生成的干净但细节不够锐利的图像，相当于刚刷完大白墙的毛坯房。
$x_0^{\mathrm{base}}$
细节修正项 ΔRefiner 预测的高频细节补偿，覆盖纹理、锐利边缘、真实的光影过渡。
$\Delta_{\theta_{\mathrm{ref}}}(x_t, t, c)$
加法融合把细节修正叠加到基础图上，得到既有正确结构又有细腻质感的最终结果。
$+$

Refiner使用时机：什么时候值得请精装团队

精装团队虽好，但请他们要花钱、要花时间。如果只是临时过渡住几个月，毛坯房简单处理就够了。Refiner 也一样——它是服务特定场景的，不是每张图都值得请它出场。

判断标准其实很直接：你到底需不需要“高分辨率＋写实质感”。如果目标是 1024×1024 甚至更大的写实风格图，Refiner 能让皮肤质感、布料纹理、金属高光更接近真实镜头；如果你只是快速出几张 512×512 的概念草稿，Refiner 只会拖慢速度，收益微乎其微。

在工程层面，Refiner 的介入程度由一个核心参数控制：denoising strength（去噪强度，记为 S_refine）。它表示 Refiner 从总去噪进度中接管的占比：

所以，请不请精装队，要看项目值不值得。写实大图是“自住的样板间”，值得精装；快速迭代的草稿是“过渡房”，用 Base 一把梭哈就够了。理性的创作者，会让每一分算力都花在刀刃上。

\displaystyle S_{\mathrm{refine}} = 1 - \frac{t_{\mathrm{start}}}{T}

公式解读：S_refine 越大，Refiner 负责清理的噪声比例越高，精修力度越大。实际推荐 0.3～0.5，过大反而会破坏 Base 的构图。

总去噪步数 T整次生成从纯噪声到成品的总时间步数，相当于装修总工期。
$T$
接管时间步 t_startBase 停手、Refiner 进场的时刻，t_start/T 越小，Refiner 越早介入。
$t_{\mathrm{start}}$
精修强度 S_refineRefiner 接管的噪声处理比例，0.4 表示四成去噪工作由 Refiner 完成，六成由 Base 完成。
$S_{\mathrm{refine}}$

高清出图实战：两阶段管线参数配置

终于到了最关键的环节——装修验收。你和精装队谈好方案、定下工序，接下来要做的就是分配预算、安排工期、逐项验收。两阶段生成实战，本质上就是配置这条“施工流水线”的过程。

在 diffusers 这类库中，两阶段流程通常这样写：先让 Base 生成到中途，把输出格式设为 latent（潜变量）而不是图片；再让 Refiner 接收这个 latent，从 Base 停下的位置继续生成。关键是两个 API 参数——denoising_end 和 denoising_start——必须严格对齐。

假设你希望 Refiner 承担总去噪任务的 40%，那么 Base 跑前 60% 步数，Refiner 跑后 40%。步数分配的数学关系非常直接：

当 Base 和 Refiner 的分工清晰、节奏合拍时，一张质感出众的大图就水到渠成了。就像同一套房，施工队负责把骨架搭正，精装队把每个角落做到极致——而你作为创作者，只需要享受那份恰到好处的精致。

\displaystyle N_{\mathrm{refine}} = \Big\lfloor N_{\mathrm{total}} \times S_{\mathrm{refine}} \Big\rfloor

公式解读：Refiner 的实际步数 = 总步数 × 精修强度，再向下取整。例如总步数 40、S_refine = 0.4，Refiner 大约运行 16 步。

总采样步数 N_totalBase 与 Refiner 步数的总和，比如 40 步。
$N_{\mathrm{total}}$
精修强度 S_refine你希望精修承担的比例，经验推荐 0.3～0.5。
$S_{\mathrm{refine}}$
向下取整 ⌊⌋确保计算结果为整数步数，避免出现半次去噪。
$\lfloor \cdot \rfloor$
Refiner 步数 N_refineRefiner 实际执行的去噪步数，剩余的步数由 Base 完成。
$N_{\mathrm{refine}}$

AI 应用场景

电商产品图质感精修

阶段：图像后期精修 / 高分辨率渲染

解决的问题：传统电商拍摄需要搭摄影棚、布光、后期修图，周期长、成本高。AI 先用 Base 生成基础产品图，再用 Refiner 增强材质细节，让皮革纹理、金属反光、水珠透视一次到位，接近商业摄影的质感。

具体案例：某电商品牌需为 200 款保温杯生成场景图。设计师用 SDXL Base 生成构图合理的产品摆拍图，再启用 Refiner 并把 denoising strength 调到 0.4，杯身的金属拉丝纹理和桌面玻璃反光变得真实自然，单张出图成本降到原来的十分之一。

游戏概念设计终稿出图

阶段：概念设计细化

解决的问题：游戏原画师初期需要大量草稿快速验证创意，但终稿必须呈现丰富细节。用 Base 快速迭代草图确认构图，再对选定的一张启用 Refiner 精修终稿，兼顾速度与质量。

具体案例：某独立游戏团队设计“废土机械城”场景，先用 Base 生成 20 张构图草稿，选定其中一张后启用 Refiner，在 1024×1024 分辨率下精修出金属锈蚀、霓虹灯管反光等细节，直接用作宣传主视觉。

高分辨率写实壁纸创作

阶段：内容创作与后期增强

解决的问题：普通 Base 出图放大后容易出现涂抹感和伪纹理，在 4K 屏幕上经不起细看。Refiner 在高分辨率上修复纹理细节，让壁纸作品经得住放大检验。

具体案例：壁纸创作者生成“雨夜玻璃窗”主题，Base 出图后雨滴轨迹模糊，启用 Refiner 后雨滴的折射高光被清晰还原，上传壁纸平台后下载量翻倍。

Python 演示

python40 行

import torchfrom diffusers import DiffusionPipeline # 加载 Base 粗生成模型, 负责搭建整体构图base = DiffusionPipeline.from_pretrained(    "stabilityai/stable-diffusion-xl-base-1.0",    torch_dtype=torch.float16,    variant="fp16",).to("cuda") # 加载 Refiner 精修模型, 负责高分辨率细节增强refiner = DiffusionPipeline.from_pretrained(    "stabilityai/stable-diffusion-xl-refiner-1.0",    torch_dtype=torch.float16,    variant="fp16",).to("cuda") prompt = "a macro photo of crystal glass with water drops, studio lighting"negative_prompt = "blurry, low quality, oversaturated" # 两阶段共享的参数: 提示词与总步数common_kwargs = {    "prompt": prompt,    "negative_prompt": negative_prompt,    "num_inference_steps": 40,} # Base 只跑到 60% 进度, 输出潜变量(latent)而不是图片latent = base(**common_kwargs, denoising_end=0.6, output_type="latent").images[0] # Refiner 从 60% 处接管, 继续完成剩余 40% 的去噪精修final_image = refiner(    **common_kwargs,    denoising_start=0.6,    image=latent,).images[0] # 保存精修后的成品final_image.save("sdxl_refined_crystal_glass.png")print("两阶段生成完成: Base 粗生成 60%, Refiner 精修 40%。")

目的：演示 SDXL Base 与 Refiner 两阶段接力的标准用法，让 Base 输出潜变量、Refiner 无缝接管精修，最终生成细节更丰富的写实图片。

base = DiffusionPipeline.from_pretrained(...)加载 Base 粗生成模型，相当于请来施工队。
refiner = DiffusionPipeline.from_pretrained(...)加载 Refiner 精修模型，相当于请来精装团队。
num_inference_steps=40设定总去噪步数 40 步，作为整个装修的工期预算。
denoising_end=0.6Base 只完成前 60% 去噪进度就收工，把“毛坯潜变量”交给下一道工序。
output_type="latent"关键参数！让 Base 输出潜变量而非 PNG，这样 Refiner 才能无缝接管。
denoising_start=0.6Refiner 从总进度的 60% 处接手，与 Base 的 denoising_end 严格对齐。
final_image.save(...)把精装后的成品保存到本地，完成两阶段出图。

常见误区

误区很多人以为启用 Refiner 就是让另一个模型重新采样一次，把整个画面从纯噪声再生成一遍，所以显存和时间都会翻倍。

正解Refiner 不是从零开始，而是从 Base 的中间带噪状态接管，只精修后半段噪声。它和 Base 是流水线上的上下手关系，不是两套独立的完整流程。就像精装队不会把毛坯房拆了重盖，而是在现有墙面上做处理。实际计算开销大约只增加三到五成，远不到翻倍。

为何常见：“两阶段生成”听起来像“两个模型先后生成”，加上很多教程没有讲清楚 denoising_end 与 denoising_start 的衔接机制，容易让人误以为是两次完整生成。

误区为了追求更精细的画面，把 denoising strength 拉到 0.8 甚至 1.0，结果图像结构混乱、物体变形、人脸扭曲。

正解S_refine 过大意味着 Refiner 介入太早，它会在很大程度上重新构想画面，从而破坏 Base 原本已经正确的构图。0.3～0.5 才是安全区间——此时 Refiner 只清理残余噪声、补全高频细节，既能提升质感又不会改动结构。就像精装队可以在墙上贴壁纸，但绝不能把承重墙砸了重砌。

为何常见：直觉上认为“力度越大效果越好”，忽略了 Refiner 是在接续 Base 的工作，力度过大的本质是用精装队的逻辑覆盖施工队的设计。

误区每次出图都顺手把 Refiner 打开，想着“多一步总比少一步好”，哪怕只是 512×512 的小草稿。

正解Refiner 的优势在高分辨率（1024×1024 及以上）和写实风格上才明显。低分辨率图像本身没有足够的高频细节可修，开启 Refiner 只会白白增加时间和显存消耗。就像毛坯房只临时住一个月，没必要请精装队。低分辨率场景直接用 Base 一步到位反而更高效。

为何常见：Refiner 的展示案例通常都是高清大图，用户容易产生“万能增强”的错觉，忽略了它解决的问题天然带有高分辨率前提。

误区生成后发现构图不对、主体缺胳膊少腿，于是指望打开 Refiner 把这些大问题一键修复。

正解Refiner 只负责清理噪声和补全高频细节，不改变图像的整体语义和空间结构。构图错误源于 Base 的文本理解或采样随机性，必须回到 Base 阶段，通过修改提示词、调整随机种子或增加步数来解决。精装队能给墙换颜色，但不可能把两居室改造成三居室。

为何常见：用户把“细节增强”等同于“全面修复”，实际上细节增强与结构生成是两码事，这种跨层级的期待需要被纠正。

面试题

Q1. 在 SDXL 两阶段生成中，Base 模型的主要职责是什么？

单选题 · easy

A.在高分辨率上精修图像细节
B.生成图像的整体结构和构图← 正确答案
C.对最终图像做色彩和光影校正
D.将文字提示翻译为向量表示

答案：B。Base 像施工队，负责搭建画面整体结构、确定构图与布局，是“毛坯房阶段”。A 和 C 是 Refiner 或后期工具的工作，D 是文本编码器的工作，均不是 Base 的主要职责。

Q2. Refiner 模型通常从哪里接管生成过程？

单选题 · easy

A.从文本编码阶段就开始介入
B.从最终成品图再反向处理生成
C.从 Base 生成的中间带噪状态← 正确答案
D.从纯噪声的开始阶段介入生成

答案：C。Refiner 从 Base 生成的中间带噪状态接管，而不是从纯噪声开始。A 说从文本编码介入是错误的，编码发生在采样之前；B 说从成品图反向处理也不对；D 说从纯噪声介入，那是 Base 的起点，不是 Refiner 的。

Q3. 参数 denoising_start=0.68 的含义是什么？

单选题 · mid

A.精修过程占有 68% 的总步数
B.从总去噪进程的 68% 处接管← 正确答案
C.从 68% 的文本特征开始生成
D.有 68% 的噪声尚未被清理干净

答案：B。denoising_start=0.68 表示 Refiner 从总去噪进程的 68% 处开始接管，之后清理剩余约三成噪声。A 把 68% 理解成精修工作量，C 把进度误解为文本特征，D 误解为剩余噪声量，均错误。

Q4. 下列哪种情况最适合启用 Refiner？

单选题 · mid

A.1024 写实产品宣传图精修出图← 正确答案
B.快速生成 512 插画草稿图
C.纯色渐变背景极简图标制作
D.文字排版为主的广告海报设计

答案：A。Refiner 的价值在高分辨率写实图上最明显，1024×1024 产品宣传图有大量高频细节需要精修，正是两阶段生成的用武之地。低分辨率草稿、极简图标和文字海报要么细节不足，要么依赖矢量排版，Refiner 的帮助十分有限。

Q5. 关于噪声调度曲线的描述，哪些是正确的？

多选题 · mid

A.噪声强度随进度逐渐降低← 正确答案
B.调度曲线决定 Refiner 接管点← 正确答案
C.σ_max 表示纯噪声状态大小← 正确答案
D.噪声调度和生成过程无关

答案：ABC。噪声调度描述噪声强度随去噪进度逐渐降低的曲线，这条曲线也决定 Refiner 在哪个进度点接管，σ_max 代表纯噪声状态下的噪声量。D 说“与生成过程毫无关系”显然是错误的理解。

Q6. 为什么 Refiner 能提升图像的细节质量？

单选题 · mid

A.它会把 Base 的图分辨率放大
B.它完全丢弃 Base 的输出重画
C.它对低频颜色大幅调整处理
D.它对高频细节做残差补偿清理← 正确答案

答案：D。Refiner 的精髓在于对高频细节做残差补偿与噪声清理，让纹理、边缘和光影更自然。A 说放大分辨率是超分模型的任务；B 说丢弃 Base 输出违背两阶段接力设计；C 说调整低频颜色，与高频细节增强的需求不符。

Q7. 使用 Refiner 时可能遇到的问题有哪些？

多选题 · hard

A.denoising 过大致构图破坏← 正确答案
B.Base 与 Refiner 步数重复浪费← 正确答案
C.Refiner 能修复提示词结构错误
D.低分辨率下启用 Refiner 收益低← 正确答案

答案：ABD。denoising 强度过大时 Refiner 介入过早，会破坏 Base 的构图；Base 与 Refiner 的步数边界没设好会重复计算；低分辨率下开启 Refiner 收益很低。C 把 Refiner 当成万能修复工具是错误的，结构问题必须回到 Base 阶段解决。

Q8. Base 输出 latent 给 Refiner 继续处理的关键条件是什么？

单选题 · hard

A.需要把 Base 输出转成 PNG 再传
B.Refiner 自己重跑整个采样过程
C.Base 输出设为 latent 且步数对应← 正确答案
D.两阶段间需 VQVAE 完成像素映射

答案：C。Base 必须设置 output_type="latent" 输出潜变量，且 denoising_end 与 Refiner 的 denoising_start 对齐，两者才能无缝衔接。若输出 PNG 再传给 Refiner，等于把已完成图像强塞给另一个生成过程，结果必然混乱。

Q9. 假设总采样步数为 40 步，denoising strength 为 0.4，Refiner 大约执行多少步？

单选题 · mid

A.约 10 步只需把数值算一下
B.约 24 步跑完全部去噪过程
C.约 16 步由 Refiner 完成精修← 正确答案
D.约 40 步等于总采样步数

答案：C。根据步数分配公式 N_refine = ⌊N_total × S_refine⌋，40 × 0.4 = 16 步，即 Refiner 承担 16 步精修，Base 承担前 24 步。这是一道考察步数分配公式的简单应用题。

Q10. 关于 SDXL 两阶段生成的完整流程，哪些叙述是正确的？

多选题 · hard

A.Base 先用文本提示生成中间态← 正确答案
B.Refiner 在更高分辨率继续去噪← 正确答案
C.两阶段可根据显存灵活调步数比← 正确答案
D.Refiner 必须用与 Base 相同的提示

答案：ABC。两阶段流程确实是 Base 先利用文本提示生成中间噪声状态，再由 Refiner 在高分辨率下继续去噪，步数比也可以按显存灵活调整。D 说“必须使用与 Base 完全相同的提示词”过于绝对，实践中可以不同，只是保持一致通常更稳定。