Buchumschlag

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

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mills, Keith G., Salameh, Mohammad, Chen, Ruichen, Hassanpour, Negar, Lu, Wei, Niu, Di
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FP4DiT: Towards Effective Floating Point Quantization for Diffusion Transformers
von: Chen, Ruichen, et al.
Veröffentlicht: (2025)

PixelMan: Consistent Object Editing with Diffusion Models via Pixel Manipulation and Generation
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

FRAP: Faithful and Realistic Text-to-Image Generation with Adaptive Prompt Weighting
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

Re-ttention: Ultra Sparse Visual Generation via Attention Statistical Reshape
von: Chen, Ruichen, et al.
Veröffentlicht: (2025)

RePack then Refine: Efficient Diffusion Transformer with Vision Foundation Model
von: Dong, Guanfang, et al.
Veröffentlicht: (2025)

Applying Graph Explanation to Operator Fusion
von: Mills, Keith G., et al.
Veröffentlicht: (2024)

2D Pre-Training for 3D Pose Estimation
von: Jiang, Liyao, et al.
Veröffentlicht: (2026)

Building Optimal Neural Architectures using Interpretable Knowledge
von: Mills, Keith G., et al.
Veröffentlicht: (2024)

FunEditor: Achieving Complex Image Edits via Function Aggregation with Diffusion Models
von: Samadi, Mohammadreza, et al.
Veröffentlicht: (2024)

DiMo: Discrete Diffusion Modeling for Motion Generation and Understanding
von: Zhang, Ning, et al.
Veröffentlicht: (2026)

Learning Truncated Causal History Model for Video Restoration
von: Ghasemabadi, Amirhosein, et al.
Veröffentlicht: (2024)

QuaMo: Quaternion Motions for Vision-based 3D Human Kinematics Capture
von: Le, Cuong, et al.
Veröffentlicht: (2026)

PTQ4DiT: Post-training Quantization for Diffusion Transformers
von: Wu, Junyi, et al.
Veröffentlicht: (2024)

DiTAS: Quantizing Diffusion Transformers via Enhanced Activation Smoothing
von: Dong, Zhenyuan, et al.
Veröffentlicht: (2024)

Griffin: Generative Reference and Layout Guided Image Composition
von: Mikaeili, Aryan, et al.
Veröffentlicht: (2025)

MoDiTalker: Motion-Disentangled Diffusion Model for High-Fidelity Talking Head Generation
von: Kim, Seyeon, et al.
Veröffentlicht: (2024)

MiM-DiT: MoE in MoE with Diffusion Transformers for All-in-One Image Restoration
von: Kong, Lingshun, et al.
Veröffentlicht: (2026)

MoQAE: Mixed-Precision Quantization for Long-Context LLM Inference via Mixture of Quantization-Aware Experts
von: Tao, Wei, et al.
Veröffentlicht: (2025)

Q-DiT: Accurate Post-Training Quantization for Diffusion Transformers
von: Chen, Lei, et al.
Veröffentlicht: (2024)

Q-DiT4SR: Exploration of Detail-Preserving Diffusion Transformer Quantization for Real-World Image Super-Resolution
von: Zhang, Xun, et al.
Veröffentlicht: (2026)

ViDiT-Q: Efficient and Accurate Quantization of Diffusion Transformers for Image and Video Generation
von: Zhao, Tianchen, et al.
Veröffentlicht: (2024)

LRQ-DiT: Log-Rotation Post-Training Quantization of Diffusion Transformers for Image and Video Generation
von: Yang, Lianwei, et al.
Veröffentlicht: (2025)

HQ-DiT: Efficient Diffusion Transformer with FP4 Hybrid Quantization
von: Liu, Wenxuan, et al.
Veröffentlicht: (2024)

DiTFastAttn: Attention Compression for Diffusion Transformer Models
von: Yuan, Zhihang, et al.
Veröffentlicht: (2024)

DiRotQ: Rotation-Aware Quantization for 4-bit Diffusion Transformers
von: Sharify, Sayeh, et al.
Veröffentlicht: (2026)

RAISE: Requirement-Adaptive Evolutionary Refinement for Training-Free Text-to-Image Alignment
von: Jiang, Liyao, et al.
Veröffentlicht: (2026)

Towards Accurate Post-training Quantization for Diffusion Models
von: Wang, Changyuan, et al.
Veröffentlicht: (2023)

OUSAC: Optimized Guidance Scheduling with Adaptive Caching for DiT Acceleration
von: Sun, Ruitong, et al.
Veröffentlicht: (2025)

TerDiT: Ternary Diffusion Models with Transformers
von: Lu, Xudong, et al.
Veröffentlicht: (2024)

Mamoda2.5: Enhancing Unified Multimodal Model with DiT-MoE
von: Shi, Yangming, et al.
Veröffentlicht: (2026)

DiP: Taming Diffusion Models in Pixel Space
von: Chen, Zhennan, et al.
Veröffentlicht: (2025)

MoDiT: Learning Highly Consistent 3D Motion Coefficients with Diffusion Transformer for Talking Head Generation
von: Wang, Yucheng, et al.
Veröffentlicht: (2025)

AdaTSQ: Pushing the Pareto Frontier of Diffusion Transformers via Temporal-Sensitivity Quantization
von: Zhang, Shaoqiu, et al.
Veröffentlicht: (2026)

Temporal Feature Matters: A Framework for Diffusion Model Quantization
von: Huang, Yushi, et al.
Veröffentlicht: (2024)

PixelDiT: Pixel Diffusion Transformers for Image Generation
von: Yu, Yongsheng, et al.
Veröffentlicht: (2025)

SMooDi: Stylized Motion Diffusion Model
von: Zhong, Lei, et al.
Veröffentlicht: (2024)

Sampling-Aware Quantization for Diffusion Models
von: Zeng, Qian, et al.
Veröffentlicht: (2025)

Diffusion Model Quantization: A Review
von: Zeng, Qian, et al.
Veröffentlicht: (2025)

EraserDiT: Fast Video Inpainting with Diffusion Transformer Model
von: Liu, Jie, et al.
Veröffentlicht: (2025)

DiT-JSCC: Rethinking Deep JSCC with Diffusion Transformers and Semantic Representations
von: Tan, Kailin, et al.
Veröffentlicht: (2026)