# CacheScope बिना अतिरिक्त ट्रेनिंग के डिफ्यूज़न मॉडल को तेज़ करता है

> CacheScope तरीका इमेज की गुणवत्ता में कम गिरावट के साथ अनुमान का समय 3.5× तक घटाता है। यह FLUX.1-dev, Wan2.1-T2V-1.3B और Open‑Sora 1.2 पर काम करता है।

Oossa · 2026-10-12 · https://oossa.com/hi/cachescope-speeds-up-diffusion-models-without-extra-training

Qinhan Lyu के नेतृत्व में शोधकर्ताओं ने CacheScope पेश किया है। यह तकनीक तय करती है कि डिफ्यूज़न मॉडल से अनुमान लगाते समय कब पूरी डिनॉइज़िंग गणना करनी है और कब पहले से कैश किए गए अनुमानित नतीजों का दोबारा इस्तेमाल करना है। इसके लिए अतिरिक्त ट्रेनिंग, ग्रेडिएंट या अलग नेटवर्क की ज़रूरत नहीं होती। तीन लोकप्रिय डिफ्यूज़न मॉडल पर यह जनरेशन को 3.57 गुना तक तेज़ करता है और सबसे बेहतर मौजूदा प्रोब-आधारित तरीके की तुलना में औसतिका LPIPS त्रुटि को 70.1% तक घटाता है।

## तथ्य

- शोधपत्र 2026-10-12 को arXiv पर पोस्ट किया गया
- परीक्षण किए गए मॉडलों पर गति 3.57× तक बढ़ी और LPIPS त्रुटि 70.1% तक घटी

## यह क्यों मायने रखता है

डेवलपर अतिरिक्त ट्रेनिंग पर संसाधन खर्च किए बिना, इमेज तेज़ी से और अधिक बारीकी के साथ बना सकते हैं।

## स्रोत और संदर्भ

1. [CacheScope: Exact-Compute Allocation for Training-Free Diffusion Acceleration](https://arxiv.org/abs/2610.12530) – arXiv cs.LG, 2026-10-12

अंतिम अपडेट: 2026-10-12