CorGi：通过缓存加速扩散Transformer

本文解决了视觉生成中扩散Transformer (DiT) 的计算成本问题，这是一个重要的瓶颈。通过引入 CorGi，一种无需训练的方法，缓存和重用Transformer块的输出，作者提供了一种实用的解决方案，可以在不牺牲质量的情况下加速推理。 关注冗余计算和使用贡献引导的缓存是关键的创新。

• •提出了 CorGi，一种无需训练的方法来加速 DiT 推理。
• •利用基于块的间隔缓存来减少冗余计算。
• •为文本到图像任务引入 CorGi+，利用交叉注意力图。
• •在保持生成质量的同时，实现高达 2.0 倍的加速。