← नवीनतम पेपर
🤖 machine learning

OTCache: Optimal Transport for Geometry-Aware Caching in Diffusion Models

OTCache एक प्रशिक्षण-मुक्त ढांचा है जो ऑप्टिमल ट्रांसपोर्ट का उपयोग करके कैशिंग शेड्यूल्स को पॉलिसी स्पेस में एक सुचारू विकास के रूप में मॉडल करके डिफ्यूजन मॉडल सैंपलिंग को तेज करता है, जिससे एक उच्च-फिडेलिटी संदर्भ शेड्यूल और एक अनुकूलित लो-बजट एंकर के बीच इंटरपोलेशन के माध्यम से विभिन्न मॉडलों में महत्वपूर्ण गति और बेहतर फिडेलिटी प्राप्त होती है।

मूल लेखक: Huanlin Gao, Fang Zhao, Qiang Hui, Fuyuan Shi, Shaoan Zhao, Yantao Li, Chao Tan, Ting Lu, Yuren You, Kai Wang, Shiguo Lian

प्रकाशित 2026-07-01
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Huanlin Gao, Fang Zhao, Qiang Hui, Fuyuan Shi, Shaoan Zhao, Yantao Li, Chao Tan, Ting Lu, Yuren You, Kai Wang, Shiguo Lian

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक उत्कृष्ट कृति (मास्टरपीस) पेंट करने की कोशिश कर रहे हैं, लेकिन आपको केवल बहुत ही सीमित संख्या में ब्रशस्ट्रोक (तुलिका के प्रहार) करने की अनुमति है। यदि आप केवल कुछ ही स्ट्रोक में पूरी तस्वीर बनाने की कोशिश करते हैं, तो आप महत्वपूर्ण विवरणों को छोड़ सकते हैं या रंगों को गलत दिखा सकते हैं। यह आधुनिक AI इमेज और वीडियो जनरेटरों के सामने आने वाली चुनौती है: उन्हें एक उच्च-गुणवत्ता वाली छवि बनाने के लिए आमतौर पर सैकड़ों "ब्रशस्ट्रोक" (जिन्हें स्टेप्स कहा जाता है) की आवश्यकता होती है, जिसमें बहुत समय और कंप्यूटर की शक्ति लगती है।

इसे तेज़ करने के लिए, शोधकर्ताओं ने कैशिंग (caching) नामक एक तरकीब आजमाई है। इसे ऐसे समझें जैसे एक चित्रकार, हर स्ट्रोक के लिए नया पेंट मिलाने के बजाय, एक क्षण पहले मिले पेंट की बाल्टी का पुन: उपयोग करता है। यदि दृश्य में बहुत अधिक बदलाव नहीं हुआ है, तो पुराने पेंट का पुन: उपयोग करना समय बचाता है।

हालाँकि, पेंट को पुन: उपयोग करने के निर्णय लेने के पुराने तरीके (जिसे "कैशिंग शेड्यूल" कहा जाता है) में एक बड़ी खामी थी। इसने माना कि पेंट को पुन: उपयोग करने का हर निर्णय दूसरे से स्वतंत्र था। यह एक ऐसे GPS की तरह था जो प्रत्येक छोटे सड़क खंड की दूरी को जोड़कर सबसे छोटा रास्ता निकालता है, इस बात को नजरअंदाज करते हुए कि शुरुआत में ही कोई शॉर्टकट लेने से आप बाद में भयानक ट्रैफिक जाम में फंस सकते हैं। "लो-स्ट्रोक" शासन (जहाँ आप अत्यंत तेज़ होने की कोशिश कर रहे हैं) में, यह पुराना तरीका विफल हो जाता है, जिससे छवियां धुंधली या विकृत हो जाती हैं।

प्रवेश: OTCache: द "स्मार्ट नेविगेटर"

लेखकों ने OTCache नामक एक नई प्रणाली प्रस्तावित की है। यह केवल एक अलग गणितीय समस्या के रूप में हर निर्णय को देखने के बजाय, पूरी पेंटिंग प्रक्रिया को एक सुचारू, बहती हुई यात्रा के रूप में देखता है। वे ऑप्टिमल ट्रांसपोर्ट (Optimal Transport) नामक एक गणितीय अवधारणा का उपयोग करते हैं, जिसे आप रणनीतियों के लिए एक "स्मूदी ब्लेंडर" के रूप में देख सकते हैं।

यहाँ बताया गया है कि OTCache तीन सरल चरणों में कैसे काम करता है:

  1. सुरक्षित मानचित्र (रेफरेंस): सबसे पहले, सिस्टम एक "सुरक्षित" परिदृश्य को देखता है जहाँ उसके पास पर्याप्त समय है (उच्च संख्या में स्टेप्स)। यह एक मानक, विश्वसनीय विधि का उपयोग करके यह पता लगाता है कि इस आरामदायक सेटिंग में पेंट करने का सबसे अच्छा तरीका क्या है। यह उन्हें एक उच्च-गुणवत्ता वाला "मानचित्र" देता है कि पेंटिंग को वास्तव में कैसे विकसित होना चाहिए।
  2. चरम परीक्षण (एंकर): इसके बाद, वे विपरीत छोर को देखते हैं: एक परिदृश्य जहाँ उनके पास लगभग कोई समय नहीं है (बहुत कम स्टेप्स)। यहाँ, पुराना "दूरी जोड़ने वाला" तरीका विफल हो जाता है। इसलिए, OTCache इस जल्दबाजी में पेंट करने के सबसे अच्छे तरीके को खोजने के लिए एक स्मार्ट, हल्के वजन वाले सर्च टूल का उपयोग करता है, भले ही इसे पुराने नियमों को तोड़ना पड़े। यह अत्यधिक गति के लिए उनका "एंकर" बिंदु बन जाता है।
  3. सुचारू मिश्रण (इंटरपोलेशन): अब, कल्पना कीजिए कि आप सुरक्षित मानचित्र और चरम परीक्षण के बीच की गति पर पेंट करना चाहते हैं। अनुमान लगाने के बजाय, OTCache "सुरक्षित मानचित्र" और "चरम परीक्षण" को लेता है और उन्हें सुचारू रूप से मिला देता है। यह पेंटिंग शेड्यूल को एक लचीले रबर बैंड की तरह मानता है, जो आपकी सटीक गति के अनुकूल होने के लिए खिंचता और मुड़ता है। क्योंकि "सुरक्षित मानचित्र" और "चरम परीक्षण" एक सुचारू गणितीय वक्र (कर्व) द्वारा जुड़े हुए हैं, इसलिए बीच की गतियाँ भी पूरी तरह से काम करती हैं।

परिणाम

पेपर का परीक्षण तीन शक्तिशाली AI मॉडल (FLUX.1, Qwen-Image, और HunyuanVideo) पर किया गया। परिणाम प्रभावशाली थे:

  • गति: OTCache ने AI को पहले की तुलना में 3.6 से 4.7 गुना तेज़ बना दिया।
  • गुणवत्ता: अन्य तेज़ तरीकों के विपरीत जिन्होंने छवियों को अजीब या विकृत बना दिया (जैसे अतिरिक्त पैरों वाला बकरी या गलत दिशा में मुंह किए हुए जिराफ), OTCache ने छवियों को स्पष्ट और मूल विवरण के प्रति सच्चा बनाए रखा।
  • विश्वसनीयता: इसने उस समस्या को हल किया जहाँ अन्य तरीके बहुत तेज़ जाने के लिए कहे जाने पर पूरी तरह विफल हो जाते थे।

संक्षेप में

OTCache को एक स्मार्ट ट्रैवल प्लानर के रूप में समझें। पुराने प्लानर आपको बताएंगे, "पहले मील के लिए सबसे तेज़ सड़क लें, फिर दूसरे मील के लिए सबसे तेज़ सड़क लें," बिना यह समझे कि पहली सड़क आपको डेड एंड (बंद रास्ते) की ओर ले जा सकती है। OTCache पूरी यात्रा को शुरू से अंत तक देखता है, यह समझता है कि गति बढ़ाने पर यात्रा कैसे बदलती है, और एक सुचारू, अनुकूलित पथ बनाता है जो आपको अपने गंतव्य (एक आदर्श छवि) तक जल्दी पहुँचाता है बिना दुर्घटनाग्रस्त हुए। यह एक "ट्रेनिंग-फ्री" समाधान है, जिसका अर्थ है कि इसे पेंट करना फिर से सीखने की आवश्यकता नहीं है; यह बस अपने उपकरणों का पुन: उपयोग करने के बारे में स्मार्ट होकर तेज़ पेंट करना सीख जाता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.LG →