实体
SVG-EAR
SVG-EAR
PulseAugur coverage of SVG-EAR — every cluster mentioning SVG-EAR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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
-
InstaGen 通过新的采样技术加速视频生成
研究人员开发了 InstaGen，一种使用 Diffusion Transformers (DiTs) 加速视频生成的新颖方法。InstaGen 通过采用群组共享重要性采样来解决 DiTs 的计算成本问题，该方法用更具样本效率的方法取代了传统的 top-p 选择。该技术提高了 PSNR 等性能指标并降低了延迟，在基准数据集上优于 SVG2 和 SVG-EAR 等现有方法。
-
新的SVG-EAR方法提高了稀疏视频生成效率
研究人员开发了SVG-EAR，一种新颖的、参数无关的方法，用于通过扩散Transformer（DiTs）提高稀疏视频生成的效率。该方法通过用聚类质心近似跳过的注意力块来解决DiTs的计算瓶颈，从而在无需额外训练的情况下恢复丢失的信息。SVG-EAR进一步引入了误差感知路由机制，以识别和补偿近似误差最显著的块，从而改善质量-效率权衡并提高吞吐量。