Qinhan Lyu氏らの研究チームは、拡散モデルの推論時に、完全なノイズ除去計算を行うタイミングと、キャッシュした近似値を再利用するタイミングを判断する手法「CacheScope」を発表した。追加学習や勾配計算、別個のネットワークは不要だ。主要な拡散モデル3種類で、既存のプローブベース手法のうち最も性能の高いものと比べ、生成を最大3.57倍高速化し、LPIPS誤差の中央値を最大70.1%削減した。
なぜ重要か
追加学習にリソースを費やすことなく、開発者は画像をより速く、より高い忠実度で生成できる。
