CacheScope提出免训练扩散加速方法
热点事件持续更新
CacheScope提出免训练扩散加速方法
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
Qinhan Lyu等作者提出CacheScope，一种无需额外训练、梯度、辅助网络或针对提示词的离线调度优化的扩散Transformer推理加速方法。该方法在线识别高风险的缓存复用步骤，并选择性回退到完整去噪计算，同时保持原有缓存重建器不变。 在FLUX.1-dev、Wan2.1-T2V-1.3B和Open-Sora 1.2上的实验中，作者称CacheScope相较最强的基于探测器基线，最高可实现3.57倍加速，并将中位LPIPS最多降低70.1%。这些结果仅对应所列模型与该基线的比较。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
CacheScope：为免训练扩散加速分配精确计算报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Machine LearningCacheScope：为免训练扩散加速分配精确计算
CacheScope 提出一种免训练的扩散 Transformer 推理加速方法，通过在线识别高风险缓存步骤，选择性回退到完整去噪计算，同时保持原有缓存重建器不变。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 710月13日 03:00
- 近 24 小时变化
- –
02468
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。