Сравнительный анализ методов оптимизации нейронных сетей

Проведено прикладное сравнительное тестирование ускорений вывода Stable Video Diffusion (image-to-video). Для всех методов использован фиксированный вход и параметры (1024×576, 25 кадров), базовый вариант FP16/25 шагов. Описано восемь сравниваемых подходов: стандартный запуск SVD в FP16, INT8 weight-only квантование UNet, torch.compile+TF32, снижение шагов, подстановка дистиллированных весов (AnimateLCM), 2:4 разреженность, LCM-режим, а также генерация ключевых кадров с последующей интерполяцией RIFE. Измерялись время и VRAM, качество / плавность оценивались прокси-метриками CLIP similarity, tSSIM, tLPIPS. Ключевые кадры+RIFE дает наибольшее ускорение при сохранении сильной привязки к исходнику, LCM обеспечивает сбалансированное ~2× ускорение; агрессивное снижение шагов ухудшает динамику.

1. Ho J., Jain A., Abbeel P. Denoising diffusion probabilistic models. arXiv:2006.11239; 2020. https://doi.org/10.48550/arXiv.2006.11239.

2. Blattmann A., Dockhorn T., Kulal S., Mendelevitch D., Kilian M., Lorenz D., et al. Stable video diffusion: scaling latent video diffusion models to large datasets. arXiv:2311.15127; 2023. https://doi.org/10.48550/arXiv.2311.15127.

3. Radford A., Kim J.W., Hallacy C., Ramesh A., Goh G., Agarwal S., et al. Learning transferable visual models from natural language supervision. arXiv:2103.00020; 2021. https://doi.org/10.48550/arXiv.2103.00020.

4. Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: from error visibility to structural similarity. IEEE Transactions on Image Processing (TIP). 2004;13(4):600–612. https://doi.org/10.1109/TIP.2003.819861.

5. Zhang R., Isola P., Efros A.A., Shechtman E., Wang O. The Unreasonable effectiveness of deep features as a perceptual metric. Computer Vision and Pattern Recognition (CVPR); 2018. https://doi.org/10.48550/arXiv.1801.03924.

6. PyTorch. TorchAO Quantization API. [Documentation]. Available at: https://docs.pytorch.org/docs/stable/quantization-support.html (accessed 19 January 2026).

7. PyTorch. torch.compile. [Documentation]. Available at: https://docs.pytorch.org/docs/stable/generated/torch.compile.html (accessed 19 January 2026).

8. Luo S., Tan Y., Huang L., Li J., Zhao H. Latent consistency models: synthesizing high-resolution images with few-step inference. arXiv:2310.04378; 2023. https://doi.org/10.48550/arXiv.2310.04378.

9. NVIDIA. cuSPARSELt: A high-performance CUDA library for sparse matrix-matrix multiplication. [Documentation]. Available at: https://docs.nvidia.com/cuda/cusparselt/ (accessed 19 January 2026).

10. Huang Z., Zhang T., Heng W., Shi B. Zhou S. RIFE: Real-Time intermediate flow estimation for video frame interpolation. Computer Vision and Pattern Recognition (CVPR); 2022. https://doi.org/10.48550/arXiv.2011.06294.