ArticleMetadataMain page

source · 2026-05-22

Text Embedding Knows How to Quantize Text-Guided Diffusion Models把文本嵌入直接拉进 text-guided diffusion 量化链路

Venue / source
ICCV 2025
Published
2025/07/14
Ingested
2026-04-16
Source type
paper

一句话结论

这篇工作把量化问题从噪声网络本体继续推进到文本引导链路,说明 text-guided diffusion 的 deployment 问题已经细化到 embedding 级别。

问题定义

text-guided diffusion 的量化难点不只在模型权重和中间激活,也在文本条件本身如何参与量化而不严重损伤质量。论文要解决的是,怎样让文本嵌入在量化后仍保留足够有效的引导能力。

方法概述

作者把 text embedding 显式拉进 quantization 设计,让 text-guided diffusion 的低比特部署更完整。它的重要性在于把 deployment compression 从“模型压缩”继续推进到“条件链路压缩”。

关键发现

局限或疑问

  • venue 已按外部审计修为 ICCV 2025;本地 primary links 仍以 arXiv 版本为可追溯入口,后续可继续补 official proceedings / DOI。
  • embedding-level quantization 的收益是否能稳定转化成端到端系统收益,仍需要更多部署证据。

原始链接

  • https://arxiv.org/abs/2507.10340
  • https://arxiv.org/pdf/2507.10340.pdf

相关页面

备注

它在本库中的价值,是把 quantization 从模型层继续补到文本条件层,让 deployment compression 叙事更完整。