يقدم الباحثون التفريغ بالتفريغ المتوازي (PDD)، وهي طريقة مبسطة تعتمد على المسارات لتسريع الاستدلال في نماذج الانتشار ومطابقة التدفق. وعلى عكس الأساليب الحالية التي تعتمد على تفريغ الدرجات التبايني الصعب التحسين والخسائر التنافسية، يتنبأ PDD بعدة خطوات إزالة الضوضاء لكل تقييم للشبكة.
- متوافق مع أي نموذج مُدرَّب مسبقًا ويدعم العينة بأعداد متفاوتة من تقييمات الدالة (NFE).
- يتعلم تمثيلًا لمتوسط السرعة دون الرجوع إلى مشتقه باستخدام حاصل ضرب جاكوبي-المتجه أو التقريبات بالفرق المحدود.
- يحقق أداءً متفوقًا على LTX-2.3 للنص إلى الفيديو/الصوت، وWan 14B للنص إلى الفيديو، وQwen-Image للنص إلى الصورة مع 4-8 NFE.
- يحسّن بشكل كبير تنوع الفيديو المُولَّد مقارنة بالأساليب الحالية.
يوفر PDD بديلاً قابلاً للتوسع للاستدلال السريع يتجنب انهيار النمط مع الحفاظ على جودة عالية في توليد المحتوى عبر مهام النص إلى الفيديو والنص إلى الصورة.