跳到正文
arXiv · 机器人与计算机视觉· Kun Zhou, Wenmian Yang, Zhensheng Wang, Weijia Jia·· 4 小时前AI 评分74

Text Lives in the Guidance:防止缓存扩散 Transformer 中的静默文本改写

Text Lives in the Guidance: Preventing Silent Text Rewriting in Cached Diffusion Transformers

AI 导读

该研究指出扩散 Transformer(DiT)的缓存加速机制会因图像级指标评估而忽略文本正确性,导致渲染文本被静默改写。作者提出 GuideCache 方法,仅对预测误差最大的 token 重新计算分类器自由引导分支,从而在降低 2.4 倍 FLOPs 的同时恢复提示词保真度,并在 Z-Image 和 Qwen-Image 上表现优于现有加速方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org