ManiFusion：流形叠加提升扩散生成吞吐
热点事件持续更新
ManiFusion：流形叠加提升扩散生成吞吐
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Minkyu Kim 等作者提交论文预印本，提出 ManiFusion——一个与骨干无关的扩散模型框架。它通过在去噪前融合多个样本、去噪后再分离，使单次去噪评估能并行处理多样本，从而提升生成吞吐量。 该框架引入 Trajectory-Fusion Scheduling（TFS）动态调整融合因子，作者称其可适配 U-Net 与 transformer 骨干及像素、潜空间，并能与现有加速方法组合，达到此前方法无法企及的吞吐水平且质量损失极小。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
ManiFusion：在流形空间通过叠加实现高吞吐扩散生成报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.LGManiFusion：在流形空间通过叠加实现高吞吐扩散生成
ManiFusion 是一个与骨干无关的扩散模型框架，通过在去噪前融合多个样本、去噪后再分离，实现单次去噪评估中并行处理多样本，从而提升吞吐量。它引入 Trajectory-Fusion Scheduling（TFS）动态调整融合因子，可适配 U-Net 与 transformer 骨干及像素、潜空间，并能与现有加速方法组合，达到此前方法无法企及的吞吐水平且质量损失极小。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。