AI用語集
人工知能の完全辞典
ネットワーク剪定（Pruning）
拡散モデルから重要度の低い重みやニューロンを選択的に削除する手法。性能への影響を最小限に抑えつつ、より疎で効率的なアーキテクチャを構築する。
分類器誘導デノイジング
外部の分類モデルを使用してデノイジングプロセスを誘導する最適化戦略。計算コストの高いデノイジングステップを減らしながら同等の視覚品質を達成する。
低ランク推論（Low-Rank）
モデルの大規模な重み行列を低ランク行列の積で近似するアプローチ。推論時のパラメータ数と行列乗算演算を大幅に削減する。
加速メソッド（Accelerate Method）
拡散プロセスを加速するための技術群。中間デノイジングステップをスキップし、回帰モデルを使用して将来のステップを直接予測する。
勾配チェックポイントによるメモリ最適化
メモリ管理技術。逆伝播時に中間活性化を選択的に保存し、必要に応じて再計算することで、RAM使用量を削減する（計算時間のわずかな増加と引き換え）。
エキスパートの混合（Mixture of Experts - MoE）
複数の「エキスパート」（サブネットワーク）が条件付きで活性化されるモデルアーキテクチャ。単一推論の計算コストを比例的に増加させずにモデル容量を拡大する。
タイムステップ蒸留（Time-step Distillation）
生徒モデルが教師モデルよりも少ないデノイジングステップで高品質な結果を生成することを学習する蒸留形式。生成プロセスを直接加速する。
効率的確率的再パラメータ化
ノイズ付加と除去の最適化手法。再パラメータ化されたパラメータを使用して分散と必要なサンプル数を削減し、各拡散ステップをより安定かつ低コストにする。
特徴量キャッシング（Feature Caching）
繰り返し発生する入力条件（例：テキスト）に対して中間特徴量マップを記憶する戦略。各ノイズ除去ステップでの再計算を回避し、全体の計算負荷を軽減する。
テンソル処理ユニット（TPU）へのデプロイ
拡散モデルのアーキテクチャをTPUの大規模並列行列演算を活用するように適応させ、データフローと計算カーネルを最適化し、超高速推論を実現する。
スケジューラによる品質と速度のトレードオフ
様々なノイズスケジューラ（例：DDIM、DPM-Solver）を使用してノイズ除去ステップ数を制御し、画像品質と生成速度の間の微調整を可能にする。
畳み込みカーネルの融合
連続する畳み込み層（例：Conv + BatchNorm + ReLU）を単一の畳み込み操作に結合する最適化技術。推論ハードウェア上のレイテンシとメモリアクセスを削減する。
一貫性潜在拡散モデル（Consistency Latent Diffusion）
ノイズ軌道上の任意の点をデータの原点に直接マッピングするように訓練されたモデルの変種。単一ステップまたはごく少数のステップでの生成を可能にし、計算効率を革新する。
ハイパーパラメータグリッドサーチによる最適化
ハイパーパラメータ設定（例：学習率、アテンションヘッド数）を体系的に探索するプロセス。品質と計算コストの比率において最も高性能なモデルを特定する。
パイプラインによる非同期推論
ノイズ除去ステップが異なる計算ユニットで並列処理されるデプロイメントアーキテクチャ。レイテンシを隠蔽し、リアルタイム拡散アプリケーションの処理スループットを向上させる。