资讯摘要
论文提出 SpecKCast，一种无需训练的方法，在频域中预测扩散 Transformer 的模型输出以加速推理。该方法对输出做二维离散余弦变换，并用轻量卡尔曼滤波器沿基于噪声调度的时间坐标跟踪各系数，仅在预测不确定性超过阈值时才评估 Transformer。作者报告在 FLUX.1-dev、Qwen-Image、Wan2.1-14B 和 HunyuanVideo 上取得最高 6 倍加速，额外内存不足 0.05 GiB。
要点速读
- 论文指出已有特征预测方法对所有特征统一外推，忽略空间频率成分在不同去噪阶段的变化差异，也未考虑去噪进程的非均匀性。
- SpecKCast 对模型输出做二维 DCT，用卡尔曼滤波器跟踪每个系数的取值与变化率，并按噪声调度定义频带专属时间坐标。
- 作者报告在 FLUX.1-dev、Qwen-Image、Wan2.1-14B、HunyuanVideo 上最高 6 倍加速，额外内存低于 0.05 GiB。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/22 08:00:25（北京时间）。