在文本到图像扩散模型中重用计算以实现高效图像生成
Reusing Computation in Text-to-Image Diffusion for Efficient Image Generation

原始链接: https://arxiv.org/abs/2508.21032

arXivLabs是一个框架,允许合作者直接在我们的网站上开发和分享新的arXiv功能。个人和与arXivLabs合作的组织都接受并拥护我们的开放、社群、卓越和用户数据隐私等价值观。arXiv致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。您是否有为arXiv社群增加价值的项目想法?了解更多关于arXivLabs的信息。

Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 在文本到图像扩散中重用计算以实现高效图像生成 (arxiv.org) 41 分,由 gidellav 1 天前发布 | 隐藏 | 过去 | 收藏 | 2 条评论 operator-name 1 天前 | 下一个 [–] 这看起来类似于 https://github.com/chengzeyi/ParaAttention 或 https://github.com/ali-vilab/TeaCache。 遗憾的是,他们没有与这些进行比较或提及。回复 transformi 1 天前 | 上一个 [–] 有趣的方法! 提醒我早期关于 DNN 中捕获相似概念的神经元的研究。回复 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:
相关文章

原文

arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.

Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them.

Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs.

联系我们 contact @ memedata.com