研究人员开发了SAKURA,这是一种云边协同架构,旨在为移动设备上的私密图像编辑高效地提供注意力键值(KV)状态。该系统通过使用细粒度的、感知令牌重要性的压缩方法,并根据网络带宽自适应地选择缓存表示,来解决存储大型、可重用KV状态的挑战。SAKURA还包含一个流水线式运行时,可以将缓存传输和重建与设备端执行重叠,从而显著降低延迟和存储需求,同时保持图像质量。 AI
影响 该系统可以提高AI驱动的设备端图像编辑应用程序的效率和隐私性。
排序理由 研究论文,详细介绍了一种用于高效模型服务的新系统架构。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CacheGen: KV Cache Compression and Streaming for Fast Large Language Model Serving
- Diffusion Transformers
- Hugging Face
- KV state
- SAKURA
- Snapdragon 8 Elite Gen 5
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →