DaTMe：免训练token合并加速扩散模型

2026年10月16日，arXiv Computer Vision 报道，SeungJu Cha 等作者提出免训练框架 Dynamics-aware Token Merging（DaTMe），将 token 合并建立在对扩散动力学的判断之上，用于加速图像生成。该方法从 Tweedie 去噪估计构建动力学感知重要性图，融合两类信号：预测干净图像的跨步变化时间信号，以及边界、细节等局部高频结构信号；在给定压缩比下保留重要 token 作为锚点，仅合并时间上已稳定且结构均匀的 token。报道称该框架为免训练，并给出代码链接（Our code is available at this https URL）。目前进展限于方法提出与代码发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。