محققان تکنیک جدیدی برای فشردهسازی مدلهای انتشار (Diffusion Models) ارائه دادند که بدون نیاز به آموزش مجدد، مدلها را سبکتر میکند. نکته جذاب اینجاست که این روش به جای حذف کورکورانه پارامترها، بر اساس اهمیتِ بخشهای بصری تصویر عمل میکند.
این یعنی در نسبتهای فشردهسازی بالا، کیفیت و جزئیات مهم تصویر حفظ شده و شاهد افت کیفیت رایج در روشهای قدیمی نخواهیم بود. قدمی مهم برای اجرای سریعتر مدلهای هوش مصنوعی روی دستگاههای ضعیفتر! 🖼️✨
منبع: arXiv Computer Vision