跳到正文
热点事件持续更新

D3-Cache 方法加速扩散模型采样

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Yanbo Li 等人提出 D3-Cache,将动态模态分解应用于扩散采样过程。该方法通过拟合短时速度历史预测调度器消耗的速度,利用视域感知门控机制智能跳过网络评估,且无需训练或离线校准,仅增加可忽略的内存开销。 在四个最先进图像和视频模型上测试显示,D3-Cache 实现了 2.6-3.8 倍的推理加速,同时保持了高保真度。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    D3-Cache:用动态模态分解加速扩散模型推理

    D3-Cache 将动态模态分解应用于扩散采样,仅需拟合短时速度历史即可预测调度器消耗的速度并智能跳过网络评估。该方法无需训练或离线校准,在四个最先进图像和视频模型上实现了 2.6-3.8 倍的加速且保持高保真度,同时增加 negligible 内存开销。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。