Ein von Qinhan Lyu geleitetes Forschungsteam hat CacheScope vorgestellt. Die Methode entscheidet bei der Inferenz von Diffusionsmodellen, wann die vollständige Entrauschungsberechnung nötig ist und wann zwischengespeicherte Näherungswerte wiederverwendet werden können. Sie kommt ohne zusätzliches Training, Gradienten oder separate Netzwerke aus. Bei drei verbreiteten Diffusionsmodellen beschleunigt sie die Generierung um bis zu das 3,57-Fache und senkt den medianen LPIPS-Fehler im Vergleich zur stärksten bestehenden sondengestützten Methode um bis zu 70,1 Prozent.
Warum es wichtig ist
Entwickler können Bilder schneller und detailgetreuer generieren, ohne Ressourcen für zusätzliches Training aufzuwenden.
