Visual Generation

SharpMoE 通过精确路由提高扩散模型效率

研究人员推出了一种名为 SharpMoE 的训练后框架，旨在提高视觉生成扩散模型中专家混合（MoE）架构的效率。该框架解决了路由效率低下问题，现有模型由于依赖噪声损坏的潜在特征，未能为显著性 token 分配足够的计算资源。SharpMoE 利用干净的潜在特征进行无噪声引导，并结合轨迹路由损失，在整个去噪过程中精确分配资源，从而提高视觉生成任务的性能。