北京
本期为TechBeat人工智能社区第645期线上Talk。
北京时间12月4日(周三)20:00，无问芯穹算法研究员袁之航的Talk将准时在TechBeat人工智能社区开播！
他与大家分享的主题 是:“高效视觉生成 - 减少冗余计算的探索研究”， 届时他将 探讨如何通过压缩方法和架构设计，显著减少生成过程中的冗余计算，提升推理效率。
Talk·信息
主题：高效视觉生成 - 减少冗余计算的探索研究
嘉宾：无问芯穹 · 算法研究员 - 袁之航
时间：北京时间12月4日(周三)20:00
地点：TechBeat人工智能社区
http://www.techbeat.net/
Talk·介绍
近年来，视觉生成模型的表现令人瞩目，但高质量生成通常伴随高昂的计算代价。本次talk聚焦于两大主题：后训练加速和高效模型设计。研究发现当前生成模型中存在大量冗余计算，我们将探讨如何通过压缩方法和架构设计，显著减少生成过程中的冗余计算，提升推理效率。
Talk大纲
1.背景 - 视觉生成模型在图像、视频生成领域的快速发展； 扩散模型和Transformer（如DiT）在生成任务中的优势与面临的效率瓶颈； 高质量生成的计算复杂度和时间成本问题。
2. 动机与问题 - 已训练模型中的冗余计算（空间、时间、条件冗余）；扩散模型逐步去噪过程中的系统性冗余；如何在不损失生成质量的前提下提升推理效率。
3. 解决方案 - 后训练加速方法（DiTFastAttn），包括Window Attention with Residual Sharing减少空间冗余、Attention Sharing across Timesteps利用时间步相似性、Attention Sharing across CFG跳过条件生成冗余 （后训练加速方法实现1.8x加速比）；高效模型设计（ECAR），通过多阶段连续token生成策略与多阶段流分布建模降低计算复杂度；实验结果展示了在高分辨率生成任务中的显著加速效果（如FLOPs减少10倍，速度提升5倍）。
4. 总结 - 讨论后训练加速与高效设计的下一步研究重点；展望未来在更大规模生成任务中的应用与优化方向。
Talk·预习资料
论文链接： https://arxiv.org/abs/2406.08552
论文链接： https://arxiv.org/abs/2406.11838 项目主页： https://github.com/LTH14/mar
Talk·提问交流
在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！
你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！
Talk·嘉宾介绍
袁之航
无问芯穹 ·算法研究员
袁之航本博毕业于北京大学，是一位专注于高效人工智能（Efficient AI）的算法研究员。他在多个国际会议和期刊上发表了论文，包括CVPR、NeurIPS、ICLR、ECCV、ISSCC、DATE、HPCA、TPAMI和TCAD等，被引用次数超过1000次。目前，袁之航在清华大学的NICS-EffAlg团队以及创业公司无问芯穹进行高效人工智能相关的研究。
个人主页: https://www.techbeat.net/grzytrkj?id=42107
-The End-
如果你也想成为讲者
自荐 / 推荐
单人Talk | 团队专场 | 录播or直播 | 闭门交流
多种方式任你选择！
推荐讲者成功也有奖励哦~
关于TechBeat人工智能社区
TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！
更多详细介绍>>
预约本期Talk
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
