斯坦福提出 LoT 扩散模型，按需分配 token 最高提速 4.6 倍

斯坦福 Gordon Wetzstein 团队（一作 George Naka）提出 Level-of-Token (LoT) Diffusion：扩散模型目前对空白墙面和人脸花费相同算力，而生成前往往已知细节出现的位置，因此可按重要性自适应分配细粒度 token。该方法对预训练 DiT 做最小改动即可支持非均匀 token 布局，在需要细节的地方分配更多算力，图像生成最高提速 4.6 倍，视频生成也显著加速。

2026-10-07 ~ 2026-10-07 · 4 条相关

• 斯坦福提出 Level-of-Token Diffusion,按需分配细粒度 token 省算力 — GordonWetzstein · 2026-10-07
• 斯坦福提出 LoT 扩散：按重要性分配 token，视频生成快 4.6 倍 — GordonWetzstein · 2026-10-07
• 斯坦福提出 Level-of-Token DiT:让预训练扩散模型支持任意尺寸 token 网格 — GordonWetzstein · 2026-10-07
• LoT:按布局分配精细 token,图像生成最高提速 4.6 倍 — GordonWetzstein · 2026-10-07