محققان در یک پژوهش جدید، روشی نوآورانه به نام «Truncated Jump Sampling» یا همان TJS را معرفی کردهاند که میتواند دنیای مدلهای انتشار (Diffusion Models) را متحول کند.
💡 نکته کلیدی این روش چیست؟
این متد بدون نیاز به آموزش مجدد (Retraining) یا تغییر معماری، به مدلها اجازه میدهد با توقف زودهنگام در فرآیند تولید تصویر، نتیجه نهایی را با دقت بسیار بالا پیشبینی کنند.
مزایای اصلی این روش:
✅ کاهش ۲۰ تا ۷۰ درصدی محاسبات عصبی (NFE)
✅ حفظ کیفیت بالای تصاویر (مشابه مدلهای اورجینال)
✅ سازگار با مدلهای محبوبی مثل SDXL و SD3.5
این یعنی به زودی میتوانیم تصاویر باکیفیت را بسیار سریعتر از قبل تولید کنیم! نظر شما درباره این شتابدهنده جدید چیست؟
منبع: arXiv AI