# انتباه هجين متناثر يسرّع نماذج توليد الصور والفيديو

> تقلّص طريقة جديدة لا تتطلب إعادة التدريب زمن الاستدلال حتى 1.57× في محوّلين للانتشار، مع الحفاظ على الجودة.

Oossa · 2026-10-19 · https://oossa.com/ar/sink-sparse-hybrid-attention-speeds-up-text-to-image-and-video-diffusion-models

قدّم باحثون بقيادة Bingxin Xing طريقة Sink‑Sparse Hybrid Attention، وهي أسلوب لاستبدال آلية الانتباه الذاتي الكثيفة في محوّلات الانتشار المدرّبة مسبقًا، من دون إعادة تدريبها. تنشئ التقنية «أقنعة ارتكاز» ثابتة من مجموعة معايرة صغيرة، وتضيف فرعًا خفيفًا يعتمد على تجميع مفاتيح وقيم الانتباه. وعلى نموذج Wan2.1‑T2V‑1.3B، تسرّع التوليد من بدايته إلى نهايته بمقدار 1.54×، فيما تحقق على Z‑Image‑Turbo تسريعًا قدره 1.57×، مع جودة تضاهي النماذج الأصلية.

## الحقائق

- قُدّمت الورقة في 16 Oct 2026
- تسريع بمقدار 1.54× على Wan2.1‑T2V‑1.3B، و1.57× على Z‑Image‑Turbo

## لماذا يهم

يتيح تسريع الاستدلال للمطوّرين توليد الصور أو الفيديو بتكلفة أقل، ما قد يخفض نفقات التطبيقات التي تعتمد على تحويل النص إلى وسائط.

## المصادر والمراجع

1. [Sink-Sparse Hybrid Attention for Efficient Inference in T2I/T2V Diffusion Transformers](https://arxiv.org/abs/2610.22975) – arXiv cs.CV, 2026-10-19

آخر تحديث: 2026-10-19