# CacheScope snabbar upp diffusionsmodeller utan extra träning

> Den nya metoden CacheScope minskar inferenstiden med upp till 3,5× och begränsar samtidigt kvalitetsförlusten i bilder. Den fungerar med FLUX.1-dev, Wan2.1-T2V-1.3B och Open‑Sora 1.2.

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

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.

## Fakta

- Artikeln publicerades på arXiv den 2026-10-12
- Upp till 3,57× snabbare och 70,1 procents minskning av LPIPS-felet i de testade modellerna

## Varför det spelar roll

Utvecklare kan skapa bilder snabbare och med högre detaljtrohet utan att lägga resurser på ytterligare träning.

## Källor och referenser

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

Senast uppdaterad: 2026-10-12