DiffMoE：动态Token选择助力扩散模型性能飞跃，快手&清华团队打造视觉生成新标杆！

清华大学与快手可灵团队联合开发的 DiffMoE 模型，通过动态 token 选择和全局 token 池设计，显著提升扩散模型效率与性能。该模型引入动态容量预测器，优化推理阶段资源分配，实现“按需计算”。在 ImageNet 基准测试中，DiffMoE 以 4.58 亿参数超越拥有 6.75 亿参数的 Dense-DiT-XL 模型，并在文本到图像生成任务中展现卓越泛化能力。实验结果表明，DiffMoE 不仅性能优越，还具备良好的扩展性与跨任务适配能力。
来源：https://mp.weixin.qq.com/s/HSRL-DMnIamU02OxJwPGhg