# Sink-Sparse Hybrid Attention snabbar upp bild- och videogenerering

> En ny uppmärksamhetsmetod som inte kräver träning kortar inferenstiden med upp till 1,57× i två diffusionstransformermodeller, utan att försämra kvaliteten.

Oossa · 2026-10-19 · https://oossa.com/sv/sink-sparse-hybrid-attention-speeds-up-text-to-image-and-video-diffusion-models

Forskare under ledning av Bingxin Xing har presenterat Sink-Sparse Hybrid Attention, en metod för att ersätta tät self-attention i förtränade diffusionstransformermodeller utan att träna om dem. Tekniken skapar statiska ”sink masks” utifrån ett litet kalibreringsunderlag och kompletterar dem med en lättviktig, poolad KV-gren. På modellen Wan2.1‑T2V‑1.3B snabbar den upp genereringen från början till slut med 1,54×, och på Z‑Image‑Turbo med 1,57×, samtidigt som kvaliteten är jämförbar med originalmodellerna.

## Fakta

- Artikeln skickades in 16 Oct 2026
- 1,54× snabbare på Wan2.1‑T2V‑1.3B, 1,57× på Z‑Image‑Turbo

## Varför det spelar roll

Snabbare inferens gör det billigare för utvecklare att generera bilder eller video, vilket kan sänka kostnaderna för appar som bygger på text-till-media-generering.

## Källor och referenser

1. [Sink-Sparse Hybrid Attention for Efficient Inference in T2I/T2V Diffusion Transformers](https://arxiv.org/abs/2610.22975) – arXiv cs.CV, 2026-10-19

Senast uppdaterad: 2026-10-19