.png){kind=icon}
返回
Accelerating Diffusion Model Inference: A Blockchain-Aided Trusted Cloud-Edge Collaborative Framework
.png){kind=icon}
PRE
AI
DOI：10.1109/tccn.2026.3717929.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能生成内容（AIGC）发展迅速，扩散模型（DMs）因其卓越的图像生成能力而获得广泛关注。然而，推理阶段的高计算成本限制了其在边缘计算等资源受限环境中的部署。云-边缘协作被认为是提高推理效率的可行方案，但现有研究未充分解决多实体间的信任传播问题。为解决此问题，我们提出了一种基于区块链的云-边缘协作DMs可信推理框架。通过智能合约实现图像生成任务管理的自动化，并确保推理过程的可追溯性。利用DMs逐步去噪的特性，我们引入基于Siamese网络的语义匹配（SNSM）模型，以判断新任务是否可复用历史推理的中间结果，从而减少冗余计算并提升效率。我们构建目标函数以最小化总推理延迟，联合考虑排队、传输和计算延迟，并以图像质量指标作为约束条件。为解决此问题，我们提出扩散-注意力集成多智能体强化学习（DAMARL），动态优化云-边缘间的任务划分与调度，在保证生成质量的同时降低延迟。大量实验表明，SNSM在复用决策中达到85.3%的准确率，DAMARL较现有方法提升平均奖励17.5%~35%，验证了本方法在提升DM推理效率与性能方面的有效性。
Keyword:
Diffusion model
blockchain
cloud-edge collaboration
multi-agent reinforcement learning
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K
机构
引用论文
An adaptive DNN inference acceleration framework with end-edge-cloud collaborative computing一种基于端边云协同计算的自适应DNN推理加速框架
PREAI
分享收藏Rao, Z.; Zhu, Z.; Yao, Y.; Xu, Y.; Cheng, Y.; Du, H. Computation-Offloading Optimization for Satellite Edge Computing via Diffusion and Lyapunov-Based Deep Reinforcement Learning. IEEE Internet Things J. 2025, 12, 37747–37762. [Google Scholar] [CrossRef]饶等. 基于扩散和Lyapunov的深度强化学习实现卫星边缘计算的计算卸载优化. IEEE 物联网杂志, 2025, 12, 37747–37762. [谷歌学术] [CrossRef].png)
IF0
PREAI
分享收藏Exploring Collaborative Distributed Diffusion-Based AI-Generated Content (AIGC) in Wireless Networks无线网络中基于协同分布式扩散的AI生成内容 (AIGC) 研究IEEE NETWORK
OAAI
IEEE NETWORKIF6.3
OAAI分享收藏Trusted Lifecycle Management for AIGC Services in Metaverse: A Blockchain-Empowered Collaborative Service Framework元宇宙中AIGC服务的可信生命周期管理：基于区块链的协作服务框架
PREAI
分享收藏Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI面向多设备边缘AI的面向任务的传感、计算和通信集成OAAI
OAAI分享收藏
查看更多内容