Buchumschlag

BlockDance: Reuse Structurally Similar Spatio-Temporal Features to Accelerate Diffusion Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Hui, Gao, Tingwei, Shao, Jie, Wu, Zuxuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DanceFusion: A Spatio-Temporal Skeleton Diffusion Transformer for Audio-Driven Dance Motion Reconstruction
von: Zhao, Li, et al.
Veröffentlicht: (2024)

Sortblock: Similarity-Aware Feature Reuse for Diffusion Model
von: Chen, Hanqi, et al.
Veröffentlicht: (2025)

CreatiLayout: Siamese Multimodal Diffusion Transformer for Creative Layout-to-Image Generation
von: Zhang, Hui, et al.
Veröffentlicht: (2024)

AdaDiff: Adaptive Step Selection for Fast Diffusion Models
von: Zhang, Hui, et al.
Veröffentlicht: (2023)

CreatiDesign: A Unified Multi-Conditional Diffusion Transformer for Creative Graphic Design
von: Zhang, Hui, et al.
Veröffentlicht: (2025)

FRDiff : Feature Reuse for Universal Training-free Acceleration of Diffusion Models
von: So, Junhyuk, et al.
Veröffentlicht: (2023)

DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection
von: Zhang, Hui, et al.
Veröffentlicht: (2023)

Self-transcendence: Is External Feature Guidance Indispensable for Accelerating Diffusion Transformer Training?
von: Sun, Lingchen, et al.
Veröffentlicht: (2026)

Open-Vocabulary Spatio-Temporal Action Detection
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Spatial-Temporal Graph Mamba for Music-Guided Dance Video Synthesis
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Spatio-Temporal Similarity Volume Aggregation for Open-Vocabulary Action Recognition
von: So, Yerim, et al.
Veröffentlicht: (2026)

Beyond Few-Step Inference: Accelerating Video Diffusion Transformer Model Serving with Inter-Request Caching Reuse
von: Liu, Hao, et al.
Veröffentlicht: (2026)

DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration
von: Chen, Zheng, et al.
Veröffentlicht: (2026)

STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution
von: Chen, Junyang, et al.
Veröffentlicht: (2025)

Autoregressive Queries for Adaptive Tracking with Spatio-TemporalTransformers
von: Xie, Jinxia, et al.
Veröffentlicht: (2024)

Enhancing Video-Language Representations with Structural Spatio-Temporal Alignment
von: Fei, Hao, et al.
Veröffentlicht: (2024)

From Reusing to Forecasting: Accelerating Diffusion Models with TaylorSeers
von: Liu, Jiacheng, et al.
Veröffentlicht: (2025)

Video-Language Alignment via Spatio-Temporal Graph Transformer
von: Zhang, Shi-Xue, et al.
Veröffentlicht: (2024)

Model Reveals What to Cache: Profiling-Based Feature Reuse for Video Diffusion Models
von: Ma, Xuran, et al.
Veröffentlicht: (2025)

Transformer RGBT Tracking with Spatio-Temporal Multimodal Tokens
von: Sun, Dengdi, et al.
Veröffentlicht: (2024)

HarmoniCa: Harmonizing Training and Inference for Better Feature Caching in Diffusion Transformer Acceleration
von: Huang, Yushi, et al.
Veröffentlicht: (2024)

Compact Attention: Exploiting Structured Spatio-Temporal Sparsity for Fast Video Generation
von: Li, Qirui, et al.
Veröffentlicht: (2025)

Causal Deciphering and Inpainting in Spatio-Temporal Dynamics via Diffusion Model
von: Duan, Yifan, et al.
Veröffentlicht: (2024)

Relational Feature Caching for Accelerating Diffusion Transformers
von: Son, Byunggwan, et al.
Veröffentlicht: (2026)

SODA: Sensitivity-Oriented Dynamic Acceleration for Diffusion Transformer
von: Shao, Tong, et al.
Veröffentlicht: (2026)

Attention Itself Could Retrieve.RetrieveVGGT: Training-Free Long Context Streaming 3D Reconstruction via Query-Key Similarity Retrieval
von: Zou, Zichen, et al.
Veröffentlicht: (2026)

Diffusion Product Quantization
von: Shao, Jie, et al.
Veröffentlicht: (2024)

Ditto: Accelerating Diffusion Model via Temporal Value Similarity
von: Kim, Sungbin, et al.
Veröffentlicht: (2025)

ST-ColoNet: Spatio-Temporal Colon Segment Recognition via Hybrid Attention and Edge-Guided Feature Learning
von: Cai, Crystal, et al.
Veröffentlicht: (2026)

BWCache: Accelerating Video Diffusion Transformers through Block-Wise Caching
von: Cui, Hanshuai, et al.
Veröffentlicht: (2025)

Efficient Spatio-Temporal Vegetation Pixel Classification with Vision Transformers
von: Gomes, Alan, et al.
Veröffentlicht: (2026)

Dual-view Spatio-Temporal Feature Fusion with CNN-Transformer Hybrid Network for Chinese Isolated Sign Language Recognition
von: Jing, Siyuan, et al.
Veröffentlicht: (2025)

CorGi: Contribution-Guided Block-Wise Interval Caching for Training-Free Acceleration of Diffusion Transformers
von: Son, Yonglak, et al.
Veröffentlicht: (2025)

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

RewardDance: Reward Scaling in Visual Generation
von: Wu, Jie, et al.
Veröffentlicht: (2025)

Dynamic Subframe Splitting and Spatio-Temporal Motion Entangled Sparse Attention for RGB-E Tracking
von: Shao, Pengcheng, et al.
Veröffentlicht: (2024)

Detector-Empowered Video Large Language Model for Efficient Spatio-Temporal Grounding
von: Gao, Shida, et al.
Veröffentlicht: (2025)

UniSTFormer: Unified Spatio-Temporal Lightweight Transformer for Efficient Skeleton-Based Action Recognition
von: Wu, Wenhan, et al.
Veröffentlicht: (2025)

Cache Me if You Can: Accelerating Diffusion Models through Block Caching
von: Wimbauer, Felix, et al.
Veröffentlicht: (2023)

Seg-R1: Segmentation Can Be Surprisingly Simple with Reinforcement Learning
von: You, Zuyao, et al.
Veröffentlicht: (2025)