本研究提出了一种奇异值缩放（SVS）技术，旨在解决现有生成模型压缩方法的局限性。SVS适用于生成对抗网络（GAN）和扩散模型，通过最小化修剪权重的奇异值差异，提高模型微调效率，显著改善压缩性能，且无需增加训练成本。