Image de couverture de livre

Qua$^2$SeDiMo: Quantifiable Quantization Sensitivity of Diffusion Models

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Mills, Keith G., Salameh, Mohammad, Chen, Ruichen, Hassanpour, Negar, Lu, Wei, Niu, Di
Format:	Preprint
Publié:	2024
Sujets:	Computer Vision and Pattern Recognition Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

FP4DiT: Towards Effective Floating Point Quantization for Diffusion Transformers
par: Chen, Ruichen, et autres
Publié: (2025)

PixelMan: Consistent Object Editing with Diffusion Models via Pixel Manipulation and Generation
par: Jiang, Liyao, et autres
Publié: (2024)

FRAP: Faithful and Realistic Text-to-Image Generation with Adaptive Prompt Weighting
par: Jiang, Liyao, et autres
Publié: (2024)

Re-ttention: Ultra Sparse Visual Generation via Attention Statistical Reshape
par: Chen, Ruichen, et autres
Publié: (2025)

RePack then Refine: Efficient Diffusion Transformer with Vision Foundation Model
par: Dong, Guanfang, et autres
Publié: (2025)

Applying Graph Explanation to Operator Fusion
par: Mills, Keith G., et autres
Publié: (2024)

2D Pre-Training for 3D Pose Estimation
par: Jiang, Liyao, et autres
Publié: (2026)

Building Optimal Neural Architectures using Interpretable Knowledge
par: Mills, Keith G., et autres
Publié: (2024)

FunEditor: Achieving Complex Image Edits via Function Aggregation with Diffusion Models
par: Samadi, Mohammadreza, et autres
Publié: (2024)

DiMo: Discrete Diffusion Modeling for Motion Generation and Understanding
par: Zhang, Ning, et autres
Publié: (2026)

Learning Truncated Causal History Model for Video Restoration
par: Ghasemabadi, Amirhosein, et autres
Publié: (2024)

QuaMo: Quaternion Motions for Vision-based 3D Human Kinematics Capture
par: Le, Cuong, et autres
Publié: (2026)

PTQ4DiT: Post-training Quantization for Diffusion Transformers
par: Wu, Junyi, et autres
Publié: (2024)

DiTAS: Quantizing Diffusion Transformers via Enhanced Activation Smoothing
par: Dong, Zhenyuan, et autres
Publié: (2024)

Griffin: Generative Reference and Layout Guided Image Composition
par: Mikaeili, Aryan, et autres
Publié: (2025)

MoDiTalker: Motion-Disentangled Diffusion Model for High-Fidelity Talking Head Generation
par: Kim, Seyeon, et autres
Publié: (2024)

MiM-DiT: MoE in MoE with Diffusion Transformers for All-in-One Image Restoration
par: Kong, Lingshun, et autres
Publié: (2026)

MoQAE: Mixed-Precision Quantization for Long-Context LLM Inference via Mixture of Quantization-Aware Experts
par: Tao, Wei, et autres
Publié: (2025)

Q-DiT: Accurate Post-Training Quantization for Diffusion Transformers
par: Chen, Lei, et autres
Publié: (2024)

Q-DiT4SR: Exploration of Detail-Preserving Diffusion Transformer Quantization for Real-World Image Super-Resolution
par: Zhang, Xun, et autres
Publié: (2026)

ViDiT-Q: Efficient and Accurate Quantization of Diffusion Transformers for Image and Video Generation
par: Zhao, Tianchen, et autres
Publié: (2024)

LRQ-DiT: Log-Rotation Post-Training Quantization of Diffusion Transformers for Image and Video Generation
par: Yang, Lianwei, et autres
Publié: (2025)

HQ-DiT: Efficient Diffusion Transformer with FP4 Hybrid Quantization
par: Liu, Wenxuan, et autres
Publié: (2024)

DiTFastAttn: Attention Compression for Diffusion Transformer Models
par: Yuan, Zhihang, et autres
Publié: (2024)

DiRotQ: Rotation-Aware Quantization for 4-bit Diffusion Transformers
par: Sharify, Sayeh, et autres
Publié: (2026)

RAISE: Requirement-Adaptive Evolutionary Refinement for Training-Free Text-to-Image Alignment
par: Jiang, Liyao, et autres
Publié: (2026)

Towards Accurate Post-training Quantization for Diffusion Models
par: Wang, Changyuan, et autres
Publié: (2023)

OUSAC: Optimized Guidance Scheduling with Adaptive Caching for DiT Acceleration
par: Sun, Ruitong, et autres
Publié: (2025)

TerDiT: Ternary Diffusion Models with Transformers
par: Lu, Xudong, et autres
Publié: (2024)

Mamoda2.5: Enhancing Unified Multimodal Model with DiT-MoE
par: Shi, Yangming, et autres
Publié: (2026)

DiP: Taming Diffusion Models in Pixel Space
par: Chen, Zhennan, et autres
Publié: (2025)

MoDiT: Learning Highly Consistent 3D Motion Coefficients with Diffusion Transformer for Talking Head Generation
par: Wang, Yucheng, et autres
Publié: (2025)

AdaTSQ: Pushing the Pareto Frontier of Diffusion Transformers via Temporal-Sensitivity Quantization
par: Zhang, Shaoqiu, et autres
Publié: (2026)

Temporal Feature Matters: A Framework for Diffusion Model Quantization
par: Huang, Yushi, et autres
Publié: (2024)

PixelDiT: Pixel Diffusion Transformers for Image Generation
par: Yu, Yongsheng, et autres
Publié: (2025)

SMooDi: Stylized Motion Diffusion Model
par: Zhong, Lei, et autres
Publié: (2024)

Sampling-Aware Quantization for Diffusion Models
par: Zeng, Qian, et autres
Publié: (2025)

Diffusion Model Quantization: A Review
par: Zeng, Qian, et autres
Publié: (2025)

EraserDiT: Fast Video Inpainting with Diffusion Transformer Model
par: Liu, Jie, et autres
Publié: (2025)

DiT-JSCC: Rethinking Deep JSCC with Diffusion Transformers and Semantic Representations
par: Tan, Kailin, et autres
Publié: (2026)