stagevar-acceleration
ビジュアル自己回帰(VAR)画像生成を再トレーニングなしで3.4倍高速化します。生成段階を分析し、詳細調整段階におけるセマンティック無関連性を活用します。その段階ではクラシファイアフリーガイダンスが冗長になり、特徴量が低ランク構造を持つため、出力品質を保ちながら次元削減が可能になります。
description の原文を見る
Accelerate visual autoregressive (VAR) image generation 3.4× without retraining by analyzing generation stages. Exploits semantic irrelevance in detail-refinement stages where classifier-free guidance becomes redundant and features exhibit low-rank structure—enabling dimensionality reduction while preserving output quality.
SKILL.md 本文
概要
StageVARは、画像コンテンツがどのように段階的に構築されるかを分析することで、ビジュアルオートリグレッシブモデルの計算ボトルネックに対処します。初期段階は意味構造を構築し、中盤段階は空間配置を確立し、後期段階は詳細を洗練します。このステージ構造は、単一パス処理では利用できない最適化の機会を明らかにします。
コア技術
重要な洞察は、生成ステージが根本的に異なる計算要件を持つということです。
3段階分析フレームワーク: このメソッドは異なる最適化可能性を持つ異なるフェーズを識別します:
# Stage-aware generation analysis
class StageAwareVAR:
def analyze_generation(self, model):
"""
Identify three distinct generation stages with different
properties and optimization opportunities.
"""
stages = {
'semantic': {
'steps': 'early',
...
詳細情報
- 作者
- ADu2021
- リポジトリ
- ADu2021/skillXiv
- ライセンス
- 不明
- 最終更新
- 2026/3/26
Source: https://github.com/ADu2021/skillXiv / ライセンス: 未指定