پژوهشگرانی به سرپرستی Qinhan Lyu روش CacheScope را معرفی کرده‌اند؛ روشی که هنگام استنتاج مدل‌های انتشار مشخص می‌کند چه زمانی محاسبات کاملِ حذف نویز انجام شود و چه زمانی از تقریب‌های ذخیره‌شده در حافظهٔ نهان استفاده شود. این روش به آموزش اضافی، گرادیان یا شبکه‌های جداگانه نیاز ندارد. CacheScope در سه مدل پرکاربرد انتشار، سرعت تولید را تا ۳٫۵۷ برابر افزایش می‌دهد و در مقایسه با قوی‌ترین روش موجود مبتنی بر کاوشگر، میانهٔ خطای LPIPS را تا ۷۰٫۱٪ کاهش می‌دهد.
چرا مهم است
توسعه‌دهندگان می‌توانند بدون صرف منابع برای آموزش اضافی، تصاویر را سریع‌تر و با وفاداری بصری بیشتر تولید کنند.
