🤖 AI

BRACE: Taming Sharp Irregularities via Barycentric Rational Forecasting for Fast Diffusion Transformers Inference

यह शोध पत्र BRACE को प्रस्तुत करता है, जो डिफ्यूजन ट्रांसफॉर्मर्स के लिए एक नवीन इन्फरेंस त्वरण विधि है जो अस्थिर डेरिवेटिव-आधारित बहुपद एक्सट्रपलेशन के स्थान पर चेबिशेव वेट्स (Chebyshev weights) का उपयोग करके एक संख्यात्मक रूप से स्थिर बैरीसेंट्रिक रैशनल फोरकास्टिंग दृष्टिकोण का उपयोग करता है, ताकि उच्च पीढ़ी गुणवत्ता बनाए रखते हुए तीक्ष्ण फीचर अनियमितताओं को प्रभावी ढंग से संभाला जा सके।

मूल लेखक: Jinlong Yang, Jinke Wu, Lizilin, Yao Zhou

प्रकाशित 2026-08-11

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jinlong Yang, Jinke Wu, Lizilin, Yao Zhou

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) बनाने की कोशिश कर रहे हैं, लेकिन ब्रश के बजाय, आप एक रोबोट का उपयोग कर रहे जिसे चित्र पूरा करने के लिए हजारों छोटे, सावधानीपूर्ण कदम उठाने पड़ते हैं। यह रोबोट एक "डिफ्यूजन ट्रांसफार्मर" (Diffusion Transformer) है, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जो रैंडम स्टैटिक नॉइज़ को स्पष्ट चित्रों में धीरे-धीरे बदलकर शानदार चित्र और वीडियो बनाता है। समस्या यह है कि यह रोबोट अविश्वसनीय रूप से धीमा है; इसे सभी कदम उठाने में बहुत समय लगता है, जिससे इसे एआई के साथ चैट करने या चलते-फिरते वीडियो बनाने जैसे वास्तविक समय के मनोरंजन के लिए उपयोग करना कठिन हो जाता है। इसे तेज करने के लिए, वैज्ञानिकों ने एआई को यह बताने की कोशिश की है, "हे, तुम्हें हर एक कदम की गणना करने की आवश्यकता नहीं है; बस पिछले क्षण में तुमने जो किया उसके आधार पर अगले कुछ कदमों का अनुमान लगा लो।" इसे "फीचर कैशिंग" (feature caching) कहा जाता है। हालाँकि, पुराने अनुमान लगाने के तरीके ऐसे थे जैसे कुछ बिंदुओं के माध्यम से एक सीधी रेखा खींचकर रोलरकोस्टर के पथ की भविष्यवाणी करना। यदि ट्रैक अचानक मुड़ जाता या घूम जाता, तो वह सीधी रेखा वाला अनुमान पटरी से उतर जाता, जिससे कला धुंधली या अजीब दिखने लगती।

यह पेपर एक नया तरीका पेश करता है जिससे आप चित्र की गुणवत्ता को खराब किए बिना इस रोबोट को तेज़ बना सकते हैं। लेखकों की टीम, जो सिचुआन यूनिवर्सिटी से है, ने गौर किया कि जबकि रोबोट का पथ आमतौर पर सुचारू होता है, वह कभी-कभी अचानक, तीखे उतार-चढ़ाव या मोड़ का सामना करता है। पुराने तरीके, जो "डेरिवेटिव्स" (derivatives - चीजों के बदलने की गति मापने का एक गणितीय तरीका) पर निर्भर थे, इन तीखे मोड़ों पर भ्रमित हो जाते थे और गलत अनुमान लगाते थे। टीम एक नया तरीका प्रस्तावित करती है जिसे BRACE (Barycentric Rational Forecasting with Chebyshev Enhancement) कहा जाता है। डेरिवेटिव (गति मापने) के बजाय, BRACE रोबोट के कदमों के वास्तविक इतिहास को देखता है और भविष्य की भविष्यवाणी करने के लिए एक विशेष गणितीय "रेशनल फंक्शन" (एक प्रकार का भिन्न-आधारित फॉर्मूला) का उपयोग करता है। इसे एक ऐसे जीपीएस (GPS) की तरह समझें जो केवल आपके गंतव्य तक एक सीधी रेखा नहीं खींचता, बल्कि एक लचीले, खिंचने वाले रबर बैंड का उपयोग करता है जो घुमावदार सड़क पर पूरी तरह से फिट बैठता है, भले ही सड़क अचानक मुड़ जाए। इस लचीले दृष्टिकोण का उपयोग करके, BRACE को एक बार में कई चरणों को छोड़ने की अनुमति देता है, जिससे प्रक्रिया काफी तेज हो जाती है और चित्र भी स्पष्ट और वीडियो सुचारू रहते हैं।

समस्या: "सीधी रेखा" का जाल

यह समझने के लिए कि इस नए तरीके की आवश्यकता क्यों है, कल्पना कीजिए कि आप एक ऐसी सड़क पर कार चला रहे हैं जो ज्यादातर सीधी है लेकिन उसमें कुछ अचानक, तीखे हेयरपिन मोड़ हैं। यदि आप तेज़ गाड़ी चला रहे हैं और दस सेकंड में सड़क कहाँ होगी, इसकी भविष्यवाणी करने के लिए अपनी वर्तमान स्थिति से एक सीधी रेखा खींचने की कोशिश करते हैं, तो आप संभवतः किसी पेड़ से टकरा जाएंगे या खाई में गिर जाएंगे। यह बिल्कुल वही हुआ जो पहले के एआई त्वरण (acceleration) विधियों के साथ हुआ था।

डिफ्यूजन ट्रांसफार्मर्स को तेज करने का पुराना तरीका "टेलर एक्सपेंशन" (Taylor expansion) का उपयोग करने जैसा था, जो यह देखकर भविष्य की भविष्यवाणी करने का प्रयास करता है कि कार वर्तमान में कितनी तेजी से चल रही है और उसकी गति कितनी बदल रही है (त्वरण)। सुचारू, कोमल घुमावों के लिए, यह बहुत अच्छा काम करता है। लेकिन शोधकर्ताओं ने पाया कि एआई जिस "सड़क" पर यात्रा करता है, वह हमेशा सुचारू नहीं होती है। इसमें "तीखी अनियमितताएं" (sharp irregularities)—दिशा में अचानक, झटकेदार बदलाव होते हैं। जब एआई ने इन तीखे मोड़ों की भविष्यवाणी करने के लिए पुराने "सीधी रेखा" या "सुचारू वक्र" वाले गणित का उपयोग करने की कोशिश की, तो भविष्यवाणियां पूरी तरह से गलत हो गईं। परिणाम क्या हुआ? एआई ने कदम तो छोड़ दिए, लेकिन जो चित्र उसने बनाया वह विकृत, धुंधला, या अजीब आर्टिफैक्ट्स वाला था, जैसे कि बहुत अधिक आंखों वाला चेहरा या अतिरिक्त पहियों वाली कार।

समाधान: BRACE का लचीला रबर बैंड

लेखकों ने महसूस किया कि गति (turn) को मापने के बजाय (जो अचानक मोड़ आने पर सटीक रूप से करना कठिन है), उन्हें बस हाल ही में कार द्वारा लिए गए वास्तविक पथ को देखना चाहिए और बिंदुओं को जोड़ने का एक स्मार्ट तरीका अपनाना चाहिए। वे अपने नए तरीके को BRACE कहते हैं।

यहाँ बताया गया है कि BRACE कैसे काम करता है, एक सरल उपमा के साथ:
कल्पen कि आप एक सांप के कुछ शरीर के हिस्सों को देखकर उसके टेढ़े-मेढ़े आकार का अनुमान लगाने की कोशिश कर रहे हैं।

पुराना तरीका (Polynomial): आप एक एकल, कठोर छड़ी (polynomial) खींचने की कोशिश करते हैं जो आपके द्वारा देखे जा गए सभी हिस्सों को छूती है। यदि सांप अचानक मुड़ जाता है, तो आपकी कठोर छड़ी टूट जाती है या सांप को पूरी तरह से मिस कर देती है।
BRACE का तरीका (Rational Forecasting): एक कठोर छड़ी के बजाय, आप एक लचीले, खिंचने वाले रबर बैंड (rational function) का उपयोग करते हैं। आप रबर बैंड को देखे गए हिस्सों से जोड़ते हैं। क्योंकि रबर बैंड लचीला है, यह सांप के तीखे मोड़ों का पूरी तरह से अनुसरण करने के लिए मुड़ और घूम सकता है, भले ही वह मोड़ बहुत अचानक हुआ हो।

तकनीकी शब्दों में, BRACE एक "बेरीसेंट्रिक रेशनल फंक्शन" (barycentric rational function) का उपयोग करता है। यह एक जटिल गणितीय सूत्र है जो उस लचीले रबर बैंड की तरह कार्य करता है। यह एआई द्वारा पहले से गणना किए गए डेटा बिंदुओं ("फीचर्स") को लेता है और उन्हें इस तरह से जोड़ता है जो बिना भ्रमित हुए तीखे बदलावों को स्वाभाविक रूप से संभाल लेता है।

यह क्यों विशेष है: "चेबिशेव" का गुप्त नुस्खा

इस रबर बैंड को और भी बेहतर बनाने के लिए, लेखकों ने इसमें "एडेप्टेड चेबिशेव वेट्स" (Adapted Chebyshev weights) नामक कुछ जोड़ा। इसे आपके रबर बैंड पर एक विशेष तनाव सेटिंग (tension setting) के रूप में समझें। यदि आप रबर बैंड को सिरों पर बहुत जोर से खींचते हैं, तो यह टूट सकता है या असमान रूप से खिंच सकता है। चेबिशेव वेट्स एक गणितीय युक्ति है जो यह सुनिश्चित करती है कि रबर बैंड संतुलित और स्थिर रहे, चाहे उसे भविष्य की भविष्यवाणी करने के लिए कितना भी खिंचना पड़े।

पेपर दिखाता है कि यह विधि अविश्वसनीय रूप से स्थिर है। भले ही एआई को बहुत बड़ी संख्या में कदम छोड़ने के लिए कहा जाए (जैसे कि एक बार में कदम 1 से सीधे कदम 20 पर कूदना), "रबर बैंड" नहीं टूटता है। यह पथ पर बना रहता है, यह सुनिश्चित करता है कि अंतिम चित्र उतना ही अच्छा दिखे जितना कि यदि एआई ने हर एक कदम धीरे-धीरे लिया होता।

प्रयोगों ने क्या दिखाया

शोधकर्ताओं ने तीन अलग-अलग प्रकार के एआई कार्यों पर BRACE का परीक्षण किया:

टेक्स्ट से चित्र बनाना: उन्होंने FLUX.1-dev नामक एक मॉडल का उपयोग किया। जब उन्होंने एआई से जटिल चित्र बनाने के लिए कहा (जैसे रेगिस्तान में शार्क या विशिष्ट टेक्स्ट वाला स्टोरफ्रंट), तो पुराने तरीकों ने अक्सर टेक्स्ट को बिगाड़ दिया या विवरण को धुंधला कर दिया। हालाँकि, BRACE ने प्रक्रिया को 5 गुना से अधिक तेज करने के बावजूद टेक्स्ट को स्पष्ट और विवरणों को साफ रखा।
वीडियो बनाना: उन्होंने HunyuanVideo नामक एक वीडियो मॉडल पर इसका परीक्षण किया। वीडियो जनरेशन में, चीजें चलती हैं, और यदि भविष्यवाणी गलत है, तो हलचल झटकेदार लगती है या वस्तुएं गायब हो जाती हैं। BRACE ने हलचल को सुचारू बनाए रखने और वस्तुओं (जैसे दौड़ता हुआ घोड़ा या तैरता हुआ व्यक्ति) को प्राकृतिक दिखने में मदद की, जिससे यह अन्य तेज़ विधियों से बेहतर प्रदर्शन कर सका।
मानक इमेज जनरेशन: ImageNet नामक एक क्लासिक टेस्ट पर, BRACE ने अन्य तेज़ विधियों की तुलना में उच्चतम गुणवत्ता स्कोर (FID द्वारा मापा गया, जहाँ कम स्कोर बेहतर होता है) वाले चित्र बनाए।

अपने परीक्षणों में, BRACE ने एआई को 3.5x से 5.5x तक की गति प्रदान की। उदाहरण के लिए, FLUX.1 मॉडल पर, इसने 5.55x की गति प्राप्त की और फिर भी ऐसे चित्र बनाए जो धीमी, उच्च-गुणवत्ता वाली संस्करण के लगभग समान थे। शोधकर्ताओं ने नोट किया कि जबकि अन्य विधियाँ इतनी उच्च गति पर विफल होने लगीं और "घोस्टिंग" या "विकृति" पैदा करने लगीं, BRACE स्थिर रहा।

मुख्य निष्कर्ष

यह पेपर यह दावा नहीं करता है कि उसने एआई की हर समस्या को हल कर दिया है, लेकिन यह एक बहुत ही मजबूत नया दिशा-निर्देश सुझाता है। लेखक तर्क देते हैं कि एआई को तेज करने के बारे में सोचने का पुराना तरीका—कठोर, डेरिवेटिव-आधारित गणित का उपयोग करना—एआई के सीखने के पथ में "तीखे मोड़ों" को संभालने के लिए मौलिक रूप से त्रुटिपूर्ण था। एक लचीले, रेशनल दृष्टिकोण (BRACE) में स्विच करके, उन्होंने इन शक्तिशाली इमेज और वीडियो जनरेटरों को उनकी बनाई कला की गुणवत्ता से समझौता किए बिना बहुत तेज़ बनाने का एक तरीका खोजा है।

यह कुछ ऐसा है जैसे यह महसूस करना कि एक घुमावदार पहाड़ी सड़क पर नेविगेट करने के लिए, आपको अधिक सीधी सड़क की आवश्यकता नहीं है; आपको बस एक बेहतर सस्पेंशन सिस्टम की आवश्यकता है। BRACE वह सस्पेंशन प्रदान करता है, जिससे एआई एक सुंदर परिणाम के पथ पर मजबूती से टिके रहकर चरणों के माध्यम से तेजी से आगे बढ़ सकता है।

तकनीकी सारांश: BRACE

समस्या विवरण (Problem Statement)

डिफ्यूजन ट्रांसफॉर्मर्स (DiTs) ने उच्च-गुणवत्ता वाले इमेज और वीडियो जनरेशन में अत्याधुनिक प्रदर्शन हासिल किया है, लेकिन अपने पुनरावृत्ति सैंपलिंग (iterative sampling) के कारण अत्यधिक कम्प्यूटेशनल ओवरहेड से ग्रस्त हैं। इसे संबोधित करने के लिए, 'फीचर कैशिंग' एक ट्रेनिंग-फ्री त्वरण रणनीति (acceleration strategy) के रूप में उभरी है। जबकि पारंपरिक "कैश-एंड-रियूज" (cache-and-reuse) विधियाँ लंबे स्किप अंतराल (skip intervals) पर गुणवत्ता को कम कर देती हैं, हालिया "कैश-एंड-फोरकास्ट" (cache-and-forecast) दृष्टिकोण (जैसे, TaylorSeer, HiCache) डेरिवेटिव-संचालित बहुपद एक्सट्रपलेशन (derivative-driven polynomial extrapolation या Taylor expansions) का उपयोग करके भविष्य के फीचर्स का अनुमान लगाने का प्रयास करते हैं।

हालाँकि, लेखक इन मौजूदा विधियों में एक महत्वपूर्ण बाधा की पहचान करते हैं: DiT फीचर प्रक्षेपवक्र (trajectories), हालांकि वैश्विक रूप से सुचारू (globally smooth) होते हैं, लेकिन अक्सर तीव्र अनियमितताओं और स्थानीय गैर-सुचारुता (local non-smoothness) (जैसे, विशिष्ट डिनोइजिंग अंतराल के दौरान तीव्र संरचनात्मक बदलाव) को प्रदर्शित करते हैं। डेरिवेटिव-संचालित बहुपद विधियाँ तात्कालिक डेरिवेटिव के परिमित-अंतर (finite-difference) अनुमानों पर निर्भर करती हैं। तीव्र मोड़ (inflection points) पर, ये अनुमान अस्थिर हो जाते हैं, और कठोर बहुपद (rigid polynomials) अचानक बदलावों को मॉडल करने के लिए संरचनात्मक अनुकूलन क्षमता की कमी रखते हैं। यह आक्रामक स्किप अंतराल का उपयोग करने पर गंभीर एक्सट्रपलेशन विचलन (extrapolation divergence), दोलन (oscillation) और संरचनात्मक अखंडता की हानि का कारण बनता है।

कार्यप्रणाली: BRACE

लेखक BRACE (Barycentric Rational Forecasting with Chebyshev Enhancement) प्रस्तावित करते हैं, जो एक ट्रेनिंग-फ्री फ्रेमवर्क है जो पूर्वानुमान के प्रतिमान (paradigm) को डेरिवेटिव-संचालित बहुपदों से बदलकर फीचर-संचालित रैशनल फोरकास्टिंग (feature-driven rational forecasting) में स्थानांतरित करता है।

मुख्य घटक (Core Components)

लोकल स्लाइडिंग विंडो (FIFO Queue):
BRACE एक स्पार्स लोकल स्लाइडिंग विंडो (क्षमता $C$ ) बनाए रखता है जो ऐतिहासिक स्टेट टुपल्स $(F_\tau, \tau)$ को कैश करता है, जहाँ $F_\tau$ सटीक मध्यवर्ती फीचर्स (intermediate features) का प्रतिनिधित्व करता है और $\tau$ टाइमस्टेप है। यह पूर्वानुमान क्षितिज (forecasting horizon) को एक स्थानीय विंडो तक सीमित करता है, जिससे टेम्पोरली डिकेयड (temporally decayed) फीचर्स को अलग किया जा सके और यह सुनिश्चित हो सके कि प्रक्षेपवक्र स्थानीय सुचारुता बाधाओं को संतुष्ट करता है।
कैनोनिकल डोमेन मैपिंग (Canonical Domain Mapping):
संख्यात्मक स्थिरता सुनिश्चित करने के लिए, रॉ टाइमस्टेप्स को एक एफ़ाइन ट्रांसफॉर्मेशन के माध्यम से कैनोनिकल इंटरवल $[-1, 1]$ में मैप किया जाता है। यह डिफ्यूजन टाइमस्टेप्स को वेटिंग स्कीम के सैद्धांतिक आधारों के साथ संरेखित करता है और विभिन्न शेड्यूलर्स के बीच स्केल इनवेरियंस (scale invariance) सुनिश्चित करता है।
बेरीसेंट्रिक रैशनल एक्सट्रपलेशन (Barycentric Rational Extrapolation):
डेरिवेटिव का अनुमान लगाने के बजाय, BRACE सेकंड बेरीसेंट्रिक फॉर्म का उपयोग करके रॉ ऐतिहासिक फीचर्स को सीधे एकत्रित करता है:
$F_{pred} = \frac{\sum_{j=1}^{C} \frac{w_j}{x(t_{pred}) - x(\tau_j)} F_{\tau_j}}{\sum_{j=1}^{C} \frac{w_j}{x(t_{pred}) - x(\tau_j)}}$
यह फॉर्मूलेशन दो प्रमुख लाभ प्रदान करता है:

स्व-सामान्यीकरण (Self-Normalization): डिनोमिनेटर (denominator) स्वाभाविक रूप से अनुमानित फीचर्स को सीमित करता है, जिससे बहुपद एक्सट्रपलेशन में होने वाले अनबाउंडेड डायवर्जेंस (unbounded divergence) को रोका जा सकता है।
गैर-सुचारुता अवशोषण (Non-Smoothness Absorption): अस्थिर हाई-ऑर्डर डेरिवेटिव्स पर निर्भर रहने के बजाय, अवस्थाओं (states) को एकत्रित करके, रैशनल फंक्शन स्वाभाविक रूप से स्थानीयकृत गैर-सुचारुता (localized non-smoothness) को समायोजित करता है।

अनुकूलित चेबिशेव वेट्स (Adapted Chebyshev Weights):
वेट्स $w_j$ स्थिरता के लिए महत्वपूर्ण हैं। BRACE चेबिशेव-गॉस-लोबैटो नोड्स (Chebyshev–Gauss–Lobatto nodes) से प्रेरित एक अनुकूलित योजना का उपयोग करता है:
$w_j = (-1)^{j+1} \cdot \delta_j$
जहाँ $\delta_j$ टर्मिनल वेट के लिए एक बाउंड्री सेंसिटिविटी कोएफिशिएंट $\gamma$ को शामिल करता है। लेखक नोट करते हैं कि अल्ट्रा-स्पार्स कैपेसिटी ( $C \le 3$ ) के लिए, ये इष्टतम नोड्स गणितीय रूप से इक्विडिस्टेंट पॉइंट्स के समान हैं, जो जटिल डायनेमिक एडजस्टमेंट के बिना सरल फिक्स्ड-इंटरवल सैंपलिंग की अनुमति देते हैं।

सैद्धांतिक स्थिरता (Theoretical Stability)

लेखक एक एरर प्रोपेगेशन विश्लेषण प्रदान करते हैं जो दिखाता है कि BRACE में एक्सट्रपलेशन एरर स्किप अंतराल $k$ और लिप्सचिट्ज़ कांस्टेंट $L$ (प्रथम-क्रम डेरिवेटिव) द्वारा नियंत्रित होती है। इसके विपरीत, टेलर विधियों में त्रुटियां $s^{m+1} \|F^{(m+1)}\|_\infty$ के समानुपाती होती हैं, जो तीव्र बदलावों के दौरान बढ़ सकती हैं। BRACE त्रुटि को सैद्धांतिक रूप से बांधता है, जिससे आक्रामक स्किपिंग के तहत भी अनुमानित स्थिरता सुनिश्चित होती है।

मुख्य योगदान (Key Contributions)

BRACE फ्रेमवर्क: एक अभिनव, ट्रेनिंग-फ्री रैशनल फोरकास्टिंग फ्रेमवर्क जो स्पार्स ऐतिहासिक कैशिंग को बेरीसेंट्रिक रैशनल स्ट्रक्चर के भीतर अनुकूलित चेबिशेव वेट्स के साथ जोड़ता है। यह संख्यात्मक स्थिरता सुनिश्चित करता है और उन तीव्र बदलावों को नियंत्रित करता है जहाँ डेरिवेटिव-संचालित विधियाँ विफल हो जाती हैं।
DiT डायनेमिक्स का ज्यामितिक विश्लेषण: यह पेपर अनुभवजन्य रूप से DiT विकास की दोहरी ज्यामितीय प्रकृति (वैश्विक रूप से सुचारू लेकिन तीव्र अनियमितताओं से युक्त) को प्रकट करता है और पुष्टि करता है कि रैशनल बेस (rational bases) इन प्रक्षेपवपथों को फिट करने में बहुपदों (polynomials) की तुलना में स्वाभाविक रूप से बेहतर प्रदर्शन करते हैं।
स्टेट-ऑफ-द-आर्ट त्वरण: व्यापक मूल्यांकन प्रदर्शित करते हैं कि BRACE विविध आर्किटेक्चर और मोडैलिटीज पर मौजूदा बेसलाइन (जैसे, TaylorSeer, HiCache, FORA) को लगातार पछाड़ता है।

प्रायोगिक परिणाम (Experimental Results)

BRACE का मूल्यांकन तीन कार्यों पर किया गया:

क्लास-कंडीशनल इमेज जनरेशन (DiT-XL/2 on ImageNet): BRACE ने विभिन्न स्किप अंतराल पर सबसे कम FID और sFID स्कोर प्राप्त किया। 3.56× स्पीडअप कॉन्फ़िगरेशन में, इष्टतम विंडो कैपेसिटी $C=3$ (FID 2.46) पाई गई, जो $C=2$ और $C=4$ से बेहतर थी। गुणात्मक परिणामों ने बेसलाइन के ओवर-स्मूथिंग या घोस्टिंग आर्टिफैक्ट्स की तुलना में शार्प डिटेल्स और सिमेंटिक स्ट्रक्चर के बेहतर संरक्षण को दिखाया।
टेक्स्ट-टू-इमेज जनरेशन (FLUX.1-dev): BRACE ने सिमेंटिक अलाइनमेंट (ImageReward, CLIP Score) और स्ट्रक्चरल फिडेलिटी (SSIM, LPIPS) में नए स्टेट-ऑफ-द-आर्ट परिणाम स्थापित किए। विशेष रूप से, 5.55× स्पीडअप पर, प्रयोगों में विंडो कैपेसिटी $C=2$ (के साथ $\gamma=0.7$ ) का उपयोग किया गया, जिसने उन जटिल टेक्स्ट संरचनाओं और टाइपोग्राफी को सुरक्षित रखा जिन्हें अन्य विधियों ने विकृत या धुंधला कर दिया था।
टेक्स्ट-टू-वीडियो जनरेशन (HunyuanVideo): BRACE ने उच्च स्किप अंतराल (उपयोग करते हुए $C=2$ ) पर उच्चतम VBench स्कोर (80.14) प्राप्त किया, जो डायरेक्ट रियूज और डेरिवेटिव-संचालित फोरकास्टिंग से काफी बेहतर है। इसने सफलतापूर्वक स्पैटियोटेम्पोरल कंसिस्टेंसी को बनाए रखा, जिससे एंटिटी लॉस और स्ट्रक्चरल आर्टिफैक्ट्स (जैसे, अतिरिक्त अंग) से बचा जा सका जो प्रतिस्पर्धी विधियों में देखे गए थे।

एब्लेशन स्टडीज (Ablation Studies):

विंडो कैपेसिटी ( $C$ ): DiT-XL/2 पर, $C=3$ ने फीचर कर्वेचर (curvature) का इष्टतम अनुमान प्रदान किया। $C$ को बढ़ाकर 4 करने से लॉन्ग-रेंज एक्सट्रपलेशन नॉइज़ के कारण प्रदर्शन में गिरावट आई, जबकि $C=2$ तक कम करने से फिटिंग क्षमता कमजोर हो गई। हालाँकि, FLUX और वीडियो के लिए उच्च-स्पीडअप कॉन्फ़िगरेशन के लिए, स्पीड और फिडेलिटी को संतुलित करने के लिए $C=2$ ही वह कॉन्फ़िगरेशन था जिसका उपयोग किया गया।
बाउंड्री सेंसिटिविटी ( $\gamma$ ): परसेप्चुअल क्वालिटी $\gamma=0.7$ पर चरम पर थी, जबकि रिकंस्ट्रक्शन मेट्रिक्स 1.0 की ओर मोनोटोनिक रूप से बेहतर हुए।
वेटिंग स्कीम्स: अनुकूलित चेबिशेव वेट्स ने यूनिफॉर्म, बेरट (Berrut), और फ्लोटर-हॉर्मन (Floater-Hormann) स्कीम्स को पछाड़ दिया, जो DiT फीचर्स की एसिमेट्रिक टेम्पोरल डायनेमिक्स के लिए उनकी उपयुक्तता की पुष्टि करते हैं।

महत्व (Significance)

पेपर का दावा है कि BRACE वर्तमान त्वरण रणनीतियों की एक मौलिक सीमा को संबोधित करता है: DiT फीचर प्रक्षेपवक्रों में निहित "स्टिफ" (stiff) सिस्टम व्यवहार और तीव्र अनियमितताओं को संभालने में बहुपद एक्सट्रपलेशन की अक्षमता। फीचर-संचालित रैशनल फोरकास्टिंग प्रतिमान में बदलाव करके, BRACE नगण्य कम्प्यूटेशनल ओवरहेड के साथ एक बेहतर गुणवत्ता-दक्षता ट्रेड-ऑफ प्राप्त करता है। लेखक इस कार्य को फीचर फोरकास्टिंग प्रतिमान में एक संरचनात्मक बदलाव के रूप में प्रस्तुत करते हैं, जो आक्रामक त्वरण के तहत भी उच्च फिडेलिटी बनाए रखते हुए तेज़ DiT इन्फरेंस के लिए एक मजबूत विकल्प प्रदान करता है।