跳到正文
arXiv · 机器人与计算机视觉· Zihao Wu, Bohan Zeng, Yuanxing Zhang·· 2026-10-06精选AI 评分82

细粒度缓存:基于少量校准条件的扩散 Transformer 加速方法

Fine-Grained Caching for Diffusion Transformers with Few Calibration Conditions

AI 导读

针对扩散 Transformer 重复去噪器评估带来的高计算成本,本文提出一种无需训练的框架,利用条件共模抑制效应构建固定模块复用调度。通过两阶段校准建立缓存簿,在推理时实现无需每输入估计策略的加速。实验显示该方法在图像模型上提升 1.66-1.72 倍,视频模型上提升 1.54-1.68 倍,并可结合 MagCache 或 SeaCache 进一步加速。

推荐理由

原文提出无需训练的微调框架,利用条件共模抑制效应构建固定缓存策略,在图像和视频生成模型上实现 1.54-1.72 倍加速。

来源:arXiv · 机器人与计算机视觉 · arxiv.org