特徵快取

深度分析

分階段學習預測器 LESA：結合 Kolmogorov–Arnold Network 提升擴散模型推論效率

擴散模型在影像與影片生成上表現優越但推論昂貴。LESA以可學習的Kolmogorov–Arnold Network為核心，採多階段多專家設計並透過兩段式訓練學習時序特徵預測，能針對高噪、中段與細節階段分別預測特徵。實驗顯示在多個大型模型上達到數倍加速並維持或提升視覺品質。