DC-Gen: после обучения ускорение диффузии с глубоко сжатым латентным пространством
arXiv:2509.25180v3 Annuales Type: заменить резюме: существующие модели распространения текстовых изображений позволяют получать высококачественные изображения, но сталкиваются с серьезными проблемами эффективности при использовании высоких разрешающих устройств, например 4K создания образов. В то время как предыдущие исследования ускоряли модели распространения в различных аспектах, они редко решают проблему избыточности, присущей латентному пространству. Для того чтобы преодолеть этот пробел, в настоящем документе предлагается ДК-Ген - общая основа, которая ускоряет процесс распространения текстовых моделей с использованием глубоко сжатого латентного пространства. Вместо дорогостоящего подхода, предусматривающего профессиональную подготовку с отрыва от производства, ДК-Ген использует эффективный послеучебный трубопровод для сохранения качества базовой модели. Ключевой проблемой в этой парадигме является разрыв между латентным пространством базовой модели и глубоко сжатым скрытым пространством, что может привести к нестабильности во время прямой отладки. Для того чтобы преодолеть эту проблему, DC-Gen сначала увязает разрыв в представительстве с легкой профессиональной подготовкой по вопросам согласования. Один раз
