新的RACER方法提高了扩散模型的速度和质量

研究人员开发了一种名为RACER（Robust Adaptive Cost Efficient Routing）的新方法，以提高扩散模型的速度和质量。与先前盲目信任跳过去噪步骤的预测的旧方法不同，RACER通过观察预测之间的一致性来评估可靠性。这种闭环控制器动态调整其对预测的信任度，在关键步骤中缩小不确定的预测并刷新特征。RACER在DrawBench、VBench和COCO等基准测试中，在SD3.5-Large、FLUX.1-dev、Wan2.1-14B和HunyuanVideo等多个扩散模型上都展示了改进的性能，同时在同等质量下实现了SD3.5更快的采样速度。 AI

影响 加速了扩散模型的采样并提高了质量，可能导致更快、更高效的图像和视频生成。

排序理由 该条目是一篇研究论文，详细介绍了一种用于扩散模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• COCO
• diffusion models
• DrawBench
• FLUX.1-dev
• HunyuanVideo
• SD3.5
• SD3.5-Large
• Taylor
• VBench
• Wan2.1-14B

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →