Forskare under ledning av Qinhan Lyu har presenterat CacheScope, en teknik som avgör när hela avbrusningsberäkningen ska köras och när cachade approximationer kan återanvändas vid inferens i diffusionsmodeller. Metoden kräver ingen extra träning, inga gradienter och inga separata nätverk. I tre populära diffusionsmodeller snabbar den upp genereringen med upp till 3,57 gånger och minskar det medianbaserade LPIPS-felet med upp till 70,1 procent jämfört med den starkaste befintliga metoden som bygger på sondering.
Varför det spelar roll
Utvecklare kan skapa bilder snabbare och med högre detaljtrohet utan att lägga resurser på ytterligare träning.
