实体
Hyper-SD
Hyper-SD
PulseAugur coverage of Hyper-SD — every cluster mentioning Hyper-SD across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
EMPURPLE 方法提升扩散模型蒸馏质量
研究人员推出了一种名为 EMPURPLE 的新型无训练方法，旨在提高蒸馏扩散模型的质量。这些蒸馏模型虽然速度更快，但通常在 FID 等性能指标上有所下降。EMPURPLE 通过回收原始扩散模型的中间潜在变量来解决此问题，有助于缓解蒸馏过程中出现的分布不匹配问题。该方法在 DMD2、Hyper-SD、FlashSD 和 SDXL-Lightning 等各种蒸馏方法上，展示了从 7% 到 20% 的显著 FID 改进。
-
扩散模型加速取决于开销减少，而非仅仅是步数减少
单张图像扩散模型推理速度慢的原因在于内核启动开销和注意力内存流量，而非原始计算能力。通过在 `reduce-overhead` 模式下使用 `torch.compile` 进行优化，采用融合注意力后端，以及批处理无分类器引导，可以显著降低延迟。只有在这些优化之后，才应考虑使用蒸馏方法来进一步提高速度，同时仔细评估潜在的质量下降。