論文の概要: LegoDiffusion: Micro-Serving Text-to-Image Diffusion Workflows

• arxiv url: http://arxiv.org/abs/2604.08123v1
• Date: Thu, 09 Apr 2026 11:44:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.892405
• Title: LegoDiffusion: Micro-Serving Text-to-Image Diffusion Workflows
• Title（参考訳）: LegoDiffusion: 微小なテキストから画像への拡散ワークフロー
• Authors: Lingyun Yang, Suyi Li, Tianyu Feng, Xiaoxiao Jiang, Zhipeng Di, Weiyi Lu, Kan Liu, Yinghao Yu, Tao Lan, Guodong Yang, Lin Qu, Liping Zhang, Wei Wang,
• Abstract要約: テキスト画像生成は、ベース拡散モデルを中心とした複数のモデルからなる拡散ワークフローを実行する。 既存のサービスシステムは、各ワークフローを不透明なモノリスとして扱い、すべての構成モデルをまとめてプロビジョニング、配置、スケーリングします。 ワークフローを疎結合のモデル実行ノードに分解し、独立して管理およびスケジュールすることが可能なシステムであるLegoDiffusionによるマイクロサービス拡散のケースを作成する。
• 参考スコア（独自算出の注目度）: 6.802129554840861
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-image generation executes a diffusion workflow comprising multiple models centered on a base diffusion model. Existing serving systems treat each workflow as an opaque monolith, provisioning, placing, and scaling all constituent models together, which obscures internal dataflow, prevents model sharing, and enforces coarse-grained resource management. In this paper, we make a case for micro-serving diffusion workflows with LegoDiffusion, a system that decomposes a workflow into loosely coupled model-execution nodes that can be independently managed and scheduled. By explicitly managing individual model inference, LegoDiffusion unlocks cluster-scale optimizations, including per-model scaling, model sharing, and adaptive model parallelism. Collectively, LegoDiffusion outperforms existing diffusion workflow serving systems, sustaining up to 3x higher request rates and tolerating up to 8x higher burst traffic.
• Abstract（参考訳）: テキスト画像生成は、ベース拡散モデルを中心とした複数のモデルからなる拡散ワークフローを実行する。 既存のサービスシステムは、各ワークフローを不透明なモノリスとして扱い、すべての構成モデルをまとめてプロビジョニング、配置、スケーリングします。 本稿では,ワークフローを疎結合なモデル実行ノードに分解するシステムであるLegoDiffusionを用いて,マイクロサービス拡散ワークフローのケースを作成する。 個々のモデル推論を明示的に管理することにより、LegoDiffusionは、モデルごとのスケーリング、モデル共有、適応モデル並列化など、クラスタスケールの最適化をアンロックする。 集合的に、LegoDiffusionは既存の拡散ワークフローサービスシステムより優れており、リクエストレートは最大3倍、バーストトラフィックは最大8倍である。

関連論文リスト

• Which Layer Causes Distribution Deviation? Entropy-Guided Adaptive Pruning for Diffusion and Flow Models [77.55829017952728]
  EntPrunerは、拡散およびフローモデルのためのエントロピー誘導自動プログレッシブプルーニングフレームワークである。 DiTモデルとSiTモデルの実験はEntPrunerの有効性を示し、最大2.22$times$推論スピードアップを達成する。
  論文  参考訳（メタデータ） (2025-11-26T07:20:48Z)
• Efficient Diversity-Preserving Diffusion Alignment via Gradient-Informed GFlowNets [65.42834731617226]
  そこで我々は,Nabla-GFlowNetと呼ばれる拡散モデルファインタニングのための強化学習手法を提案する。 提案手法は,大規模テキスト条件による画像拡散モデルである安定拡散の高速かつ多様かつ事前保存的な微調整を実現する。
  論文  参考訳（メタデータ） (2024-12-10T18:59:58Z)
• Diffusion Models For Multi-Modal Generative Modeling [32.61765315067488]
  本稿では,共通拡散空間における統一多モード拡散モデルを構築することにより,拡散モデルを定義するための原理的手法を提案する。 本稿では,画像遷移,マスクイメージトレーニング,共同画像ラベル,共同画像表現生成モデリングなどのフレームワークを検証するために,複数のマルチモーダル生成設定を提案する。
  論文  参考訳（メタデータ） (2024-07-24T18:04:17Z)
• Integrating Amortized Inference with Diffusion Models for Learning Clean Distribution from Corrupted Images [19.957503854446735]
  拡散モデル(DM)は、逆問題を解決するための強力な生成モデルとして登場した。 FlowDiffは条件付き正規化フローモデルを利用して、破損したデータソース上で拡散モデルのトレーニングを容易にする共同トレーニングパラダイムである。 実験の結果,FlowDiffは広範囲の破損したデータソースにわたるクリーンな分布を効果的に学習できることがわかった。
  論文  参考訳（メタデータ） (2024-07-15T18:33:20Z)
• Simplified and Generalized Masked Diffusion for Discrete Data [47.711583631408715]
  離散データの生成モデリングのための自己回帰モデルの代替として、マスケッド拡散(または吸収拡散)が積極的に研究されている。 本研究の目的は,マスク拡散モデルの潜在能力を最大限に活用する,シンプルで汎用的なフレームワークを提供することである。
  論文  参考訳（メタデータ） (2024-06-06T17:59:10Z)
• Unite and Conquer: Plug & Play Multi-Modal Synthesis using Diffusion Models [54.1843419649895]
  拡散確率モデル(DDPM)に基づく解を提案する。 他の生成モデルよりも拡散モデルを選択する動機は、拡散モデルの柔軟な内部構造に由来する。 提案手法は,複数のサブタスクで訓練された複数の拡散モデルを統一し,組み合わせたタスクを克服する。
  論文  参考訳（メタデータ） (2022-12-01T18:59:55Z)
• Versatile Diffusion: Text, Images and Variations All in One Diffusion Model [76.89932822375208]
  Versatile Diffusionは、テキスト・ツー・イメージ、画像・ツー・テキスト、バリエーションの複数のフローを1つの統一モデルで処理する。 私たちのコードとモデルはhttps://github.com/SHI-Labs/Versatile-Diffusion.comでオープンソース化されています。
  論文  参考訳（メタデータ） (2022-11-15T17:44:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。