Radar ·
RoLA propõe atenção linear de baixo rank para Diffusion Transformers
Publicado em 15 de setembro de 2026, o paper apresenta RoLA, um método de atenção linear de baixo rank com posição rotativa para Diffusion Transformers. A proposta trata do escalonamento quadrático da self-attention espaço-temporal densa e de um problema de compatibilidade entre RoPE e o ramo global
Publicado em 15 de setembro de 2026, o paper apresenta RoLA, um método de atenção linear de baixo rank com posição rotativa para Diffusion Transformers. O trabalho aborda o escalonamento quadrático da self-attention espaço-temporal densa e um problema de compatibilidade entre RoPE e o ramo global de híbridos esparsos de baixo rank.
A descrição destaca uma abordagem que engenheiros de geração de vídeo podem avaliar para reduzir um gargalo de inferência, mas não informa resultados quantitativos. Consulte o paper original para examinar o método e verificar suas alegações. Se usar IA para estudar ou aplicar o material, evite inserir dados organizacionais sensíveis e confira as conclusões nas fontes primárias.
Fonte original: RoLA: atenção linear de baixo rank para Diffusion Transformers