ARTFEED — Contemporary Art Intelligence

Politiche Gerarchiche Variazionali Accelerano i Modelli di Diffusione

ai-technology · 2026-05-23

Un nuovo framework da arXiv propone politiche gerarchiche variazionali per adattare modelli di diffusione pre-addestrati a compiti downstream come problemi inversi a costo di inferenza ridotto. Il metodo ammortizza il controllo in una politica stocastica leggera, consentendo un campionamento a pochi passi con grandi dimensioni di passo per un'inferenza veloce mantenendo la qualità. Su super-risoluzione 4x, ottiene una migliore qualità percettiva con inferenza oltre 5 volte più veloce rispetto ai baselines di scaling al test.

Fatti principali

  • arXiv:2605.21661v1
  • Formulazione del modello variazionale gerarchico
  • Controllo ammortizzato in una politica stocastica leggera
  • Campionamento di diffusione a pochi passi con grandi dimensioni di passo
  • Uguaglia o supera i baselines di scaling al test
  • Compito di super-risoluzione 4x
  • Migliore qualità percettiva
  • Inferenza oltre 5 volte più veloce

Entità

Istituzioni

  • arXiv

Fonti