arXiv · cs.AI· Shuo Yang·· 25 天前AI 评分46
AutoTarget：面向少步扩散 Transformer 的求解器感知缓存目标选择方法
Rethinking What to Cache in Few-Step Diffusion Transformers: Solver-Aware Target Selection
来源与原文
arXiv · cs.AI
作者：Shuo Yang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.03577v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 AutoTarget，为少步蒸馏后的 Diffusion Transformer（DiT）选择缓存复用张量，以降低采样误差。方法用少量无缓存运行测量各候选张量的复用误差并选取最低者；在 PixArt-LCM 与 FLUX.1-schnell 上的实验表明最佳缓存目标随模型、分辨率和求解器变化，校准排序与留出缓存运行一致，在减少评估次数的同时保持接近无缓存的生成质量。
来源：arXiv · cs.AI · arxiv.org