研究人员推出了一种名为 NaviCache 的新颖方法，旨在通过解决视频扩散模型 (VDM) 的计算成本来加速视频生成。与依赖离线校准或瞬时近似的先前方法不同，NaviCache 采用了一种测试时间自校准技术。它将特征演化建模为惯性导航系统 (INS) 问题，自适应地跟踪特征变化及其潜在漂移，从而实现有误差界限的计算跳过。在 HunyuanVideo 和 Open-Sora 等数据集上的实验表明，NaviCache 提高了计算跳过的准确性和整体性能。 AI
影响 该方法可能显著降低视频生成所需的计算资源，从而可能促进人工智能视频创作的更广泛采用和更快迭代。
排序理由 该集群描述了一篇关于加速视频生成模型的新颖方法的新研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.26795v1 Announce Type: cross Abstract: Video Diffusion Models (VDMs) is constrained by immense computational costs. While offline calibration-based acceleration suffers from calibration data dependency, prohibitive calibration duration, and susceptibility to distributi…
Video Diffusion Models (VDMs) is constrained by immense computational costs. While offline calibration-based acceleration suffers from calibration data dependency, prohibitive calibration duration, and susceptibility to distribution shifts, offline calibration-free methods elimin…