محققان تکنیک جدیدی به نام «Truncated Jump Sampling» یا به اختصار TJS معرفی کردهاند که میتواند سرعت تولید مدلهای Diffusion را بدون نیاز به آموزش مجدد (Training-free) تا ۷۰٪ افزایش دهد! ⚡️
نکته جذاب اینجاست که این روش با استفاده از ویژگی «Endpoint Decodability» در لحظات اولیه فرآیند تولید، خروجی نهایی را حدس میزند. این یعنی میتوانید مدلهایی مثل SDXL یا SD3.5M را با سرعت بسیار بالاتر و مصرف کمتر منابع اجرا کنید، بدون اینکه کیفیت تصاویر افت قابل توجهی داشته باشد. یک گام بزرگ برای بهینهسازی مدلهای تصویرساز! 🎨✨
منبع: arXiv AI