# Une attention hybride accélère les modèles de diffusion d’images et de vidéos

> Une nouvelle méthode d’attention, sans réentraînement, réduit jusqu’à 1,57× le temps d’inférence sur deux transformeurs de diffusion sans altérer la qualité.

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

Des chercheurs dirigés par Bingxin Xing ont présenté Sink‑Sparse Hybrid Attention, une méthode qui remplace l’auto-attention dense des transformeurs de diffusion préentraînés sans nécessiter de réentraînement. La technique crée des « masques sink » statiques à partir d’un petit jeu de calibration et ajoute une branche légère de clés-valeurs regroupées. Elle accélère la génération de bout en bout de 1,54× sur le modèle Wan2.1‑T2V‑1.3B et de 1,57× sur Z‑Image‑Turbo, avec une qualité comparable à celle des modèles d’origine.

## Les faits

- Article soumis le 16 octobre 2026
- Accélération de 1,54× sur Wan2.1‑T2V‑1.3B et de 1,57× sur Z‑Image‑Turbo

## Pourquoi c'est important

Une inférence plus rapide permet aux développeurs de générer des images ou des vidéos à moindre coût, ce qui peut réduire les dépenses des applications reposant sur la génération de contenus à partir de texte.

## Sources et références

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

Dernière mise à jour: 2026-10-19