跳到正文
arXiv · 机器人与计算机视觉· Lifan Jiang, Yibo Zhao, Senlin cheng, Bolei Xu, Xiaobo Li, Can Ye, Dehai Zhao, Deng Cai, Boxi Wu·· 27 天前AI 评分45

CAVC:一种无需训练的模态非对称缓存框架,实现音频视觉扩散生成加速

CAVC: Convergence-Adaptive Audio-Visual Cache for Modality-Asymmetric Diffusion Generation

AI 导读

CAVC 提出了一种训练免费的模态非对称缓存架构,通过中期缓存可恢复的音频计算并保留视频分支独立细化,将推理加速比提升至 1.10--1.35x。该方法在多个公开基准测试中改善了视觉动态与时间统计指标,同时保持了具有竞争力的音频保真度及视听对齐效果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org