DRiffusion：ドラフト＆リファイン手法で拡散モデルを容易に並列化

arXiv cs.LG / 2026/3/30

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、拡散モデルのための並列サンプリング基盤であるDRiffusionを提案し、インタラクティブなユースケースにおいて遅い反復サンプリングの待ち時間を低減する。
DRiffusionはスキップ遷移を用いて将来のタイムステップに対する複数のドラフト状態を生成し、対応するノイズを並列に計算したうえで、標準的なノイズ除去（denoising）プロセスで出力をリファインする。
理論解析により、n台のデバイスを用いた場合の加速率が保守的モードで1/n、攻撃的モードで2/(n+1)であることを示す。
実験では、複数の拡散モデルにおいて品質劣化が最小限でありつつ1.4×〜3.7×の速度向上が報告されている。FID/CLIPは概ね一致し、PickScore/HPSv2.1はわずかに低下する程度にとどまる。