huggingface / huggingface/diffusers
[Feature] Integrate 'CHORDS: Diffusion Sampling Accelerator with Multi-core Hierarchical ODE Solvers'
- Vorherrschende Sprache
- Python
- Sterne
- 34.5k
- Forks
- 7.3k
- Ø Merge
- 3 T. 3 Std.
- Gemergte PRs (30 T.)
- 91
Beschreibung
I find a latest, general, training-free, and model-agnostic acceleration strategy via multicore parallelism for image generation and video generation.
[Source Code](https://github.com/hanjq17/CHORDS)
```bibtex
@misc{hanCHORDSDiffusionSampling2025,
title = {{{CHORDS}}: {{Diffusion Sampling Accelerator}} with {{Multi-core Hierarchical ODE Solvers}}},
shorttitle = {{{CHORDS}}},
author = {Han, Jiaqi and Ye, Haotian and Li, Puheng and Xu, Minkai and Zou, James and Ermon, Stefano},
year = {2025},
month = jul,
number = {arXiv:2507.15260},
eprint = {2507.15260},
primaryclass = {cs},
publisher = {arXiv},
doi = {10.48550/arXiv.2507.15260},
urldate = {2025-07-31},
}
```
Beitragsleitfaden
Rechercherichtung
Beginne mit der verknüpften CHORDS-Quelle und vergleiche ihren modellagnostischen Ansatz zur Bild- und Video-Sampling mit der bestehenden Sampling-Architektur von Diffusers. Identifiziere vor der Implementierung die betroffenen Pipelines und eine Validierungsstrategie; als abgeschlossen gilt die Aufgabe, wenn der Accelerator für die vorgesehenen Generierungs-Workflows integriert ist und sein Verhalten verifiziert wurde.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- python, pytorch
- Bereich
- machine-learning, performance
- Issue-Typ
- Feature
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Aktivitätsstatus
- Veraltet
- Klarheit
- Muss geklärt werden
- Anfängerfreundlichkeit
- 25/100