Accelerazione del Diffusion senza Addestramento con Campionamento a Collo di Bottiglia
Training-free Diffusion Acceleration with Bottleneck Sampling
March 24, 2025
Autori: Ye Tian, Xin Xia, Yuxi Ren, Shanchuan Lin, Xing Wang, Xuefeng Xiao, Yunhai Tong, Ling Yang, Bin Cui
cs.AI
Abstract
I modelli di diffusione hanno dimostrato capacità straordinarie nella generazione di contenuti visivi, ma rimangono difficili da implementare a causa del loro elevato costo computazionale durante l'inferenza. Questo onere computazionale deriva principalmente dalla complessità quadratica dell'auto-attenzione rispetto alla risoluzione delle immagini o dei video. Mentre i metodi di accelerazione esistenti spesso compromettono la qualità dell'output o richiedono un costoso riaddestramento, osserviamo che la maggior parte dei modelli di diffusione viene pre-addestrata a risoluzioni inferiori, presentando un'opportunità per sfruttare questi prior a bassa risoluzione per un'inferenza più efficiente senza degradare le prestazioni. In questo lavoro, introduciamo il Bottleneck Sampling, un framework senza necessità di addestramento che sfrutta i prior a bassa risoluzione per ridurre il sovraccarico computazionale preservando la fedeltà dell'output. Il Bottleneck Sampling segue un flusso di lavoro di denoising alto-basso-alto: esegue il denoising ad alta risoluzione nelle fasi iniziali e finali, mentre opera a risoluzioni inferiori nei passaggi intermedi. Per mitigare gli artefatti di aliasing e sfocatura, perfezioniamo ulteriormente i punti di transizione della risoluzione e adattiamo in modo dinamico i passaggi temporali di denoising in ogni fase. Valutiamo il Bottleneck Sampling sia su compiti di generazione di immagini che di video, dove esperimenti estensivi dimostrano che accelera l'inferenza fino a 3 volte per la generazione di immagini e 2,5 volte per la generazione di video, mantenendo una qualità dell'output paragonabile al processo standard di campionamento a piena risoluzione su molteplici metriche di valutazione. Il codice è disponibile all'indirizzo: https://github.com/tyfeld/Bottleneck-Sampling
English
Diffusion models have demonstrated remarkable capabilities in visual content
generation but remain challenging to deploy due to their high computational
cost during inference. This computational burden primarily arises from the
quadratic complexity of self-attention with respect to image or video
resolution. While existing acceleration methods often compromise output quality
or necessitate costly retraining, we observe that most diffusion models are
pre-trained at lower resolutions, presenting an opportunity to exploit these
low-resolution priors for more efficient inference without degrading
performance. In this work, we introduce Bottleneck Sampling, a training-free
framework that leverages low-resolution priors to reduce computational overhead
while preserving output fidelity. Bottleneck Sampling follows a high-low-high
denoising workflow: it performs high-resolution denoising in the initial and
final stages while operating at lower resolutions in intermediate steps. To
mitigate aliasing and blurring artifacts, we further refine the resolution
transition points and adaptively shift the denoising timesteps at each stage.
We evaluate Bottleneck Sampling on both image and video generation tasks, where
extensive experiments demonstrate that it accelerates inference by up to
3times for image generation and 2.5times for video generation, all while
maintaining output quality comparable to the standard full-resolution sampling
process across multiple evaluation metrics. Code is available at:
https://github.com/tyfeld/Bottleneck-Sampling