刚看到北航牵头的一项工作,思路是在分辨率这个维度上做文章,把 AI 图像生成的速度提到十倍。具体怎么实现的我还没翻到细节,不敢瞎猜。但从方向上讲这条路是很自然的——扩散过程里绝大部分算力都花在高分辨率的迭代上,而早期那些步骤其实只是在定构图和大块色彩关系,根本不需要满分辨率去算。
真要是把低分辨率先跑完再往上抬,省下来的计算量是相当可观的。
十倍这个数字听着夸张,不过要看是在什么基线、什么分辨率、掉多少质量的前提下测的,这类加速工作的水分往往就藏在这些条件里。等论文和代码出来再看吧。
刚看到北航牵头的一项工作,思路是在分辨率这个维度上做文章,把 AI 图像生成的速度提到十倍。具体怎么实现的我还没翻到细节,不敢瞎猜。但从方向上讲这条路是很自然的——扩散过程里绝大部分算力都花在高分辨率的迭代上,而早期那些步骤其实只是在定构图和大块色彩关系,根本不需要满分辨率去算。
真要是把低分辨率先跑完再往上抬,省下来的计算量是相当可观的。
十倍这个数字听着夸张,不过要看是在什么基线、什么分辨率、掉多少质量的前提下测的,这类加速工作的水分往往就藏在这些条件里。等论文和代码出来再看吧。
蹲论文
十倍这种数字先打个七折听
分辨率维度做文章不算新思路了,关键看掉不掉细节
如果真能开源并且接进现有工作流,那才叫有用
早期步数只管构图这个观察是对的,很多加速方案都基于这点
国内高校这块出活越来越多了 ![]()
十倍打七折我都嫌乐观,实验室数据挪到工作流一般再腰斩