Исследователи во главе с Циньхань Лю представили CacheScope — метод, который определяет, когда при инференсе диффузионной модели нужно выполнять полные вычисления для удаления шума, а когда можно использовать закэшированные приближения. Для него не нужны дополнительное обучение, градиенты или отдельные нейросети. На трех популярных диффузионных моделях генерация ускоряется до 3,57 раза, а медианная ошибка LPIPS снижается до 70,1% по сравнению с самым эффективным из существующих методов на основе зондирования.
Почему это важно
Разработчики смогут генерировать изображения быстрее и точнее, не тратя ресурсы на дополнительное обучение.
