Newest papers

SpecKCast: Spectral Kalman Forecasting for Diffusion Acceleration

Javad Rajabi, Hakki Can Karaimer, David B. Lindell, Babak Taati, Michael S. Brown · 2026 · arXiv

DOI: 10.48550/arXiv.2610.26837 · open-access PDF

Japanese

Diffusion Transformers (DiTs) は高信頼性の画像およびビデオ生成を達成しますが、複数のデノイズステップでトランスフォーマー評価が繰り返されるため、実質的な推測コストに苦しんでいます。 機能キャッシュは、デノイズステップで機能を再利用することによってこのコストを削減します。 最近の予測方法は、これらの機能を再利用する代わりに、省略されたステップに機能をエクストラポレーションすることによってこのアイデアを拡張します。 しかし、既存の予測方法は、これらの機能の空間周波数コンポーネントがデノイズの異なる段階で最も変化しているにもかかわらず、均一に予測する機能をエクストラポレートします。

Machine translation (Meta M2M100); the English original follows.

Abstract

Diffusion Transformers (DiTs) achieve high-fidelity image and video generation, but they suffer from substantial inference costs due to repeated transformer evaluations across many denoising steps. Feature caching reduces this cost by reusing features across denoising steps. Recent forecasting methods extend this idea by extrapolating features to skipped steps instead of reusing them. However, existing forecasting methods extrapolate the features they predict uniformly, even though the spatial-frequency components of these features change most at different stages of denoising. They also overlo

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange