CachedSearch 通过新颖的缓存加速视频扩散模型搜索

研究人员开发了 CachedSearch，一种新颖的、无需训练的方法，用于加速视频扩散模型的测试时搜索。该技术通过积极缓存中间结果，显著降低了生成高质量视频输出的计算成本，使每次运行速度提高 2-3 倍，而质量没有明显下降。CachedSearch 通过缓存探索候选结果，然后仅以完整计算重新生成最佳结果，从而在降低成本的同时捕获了完整搜索超过 94% 的收益。该方法已被证明在各种模型尺寸和架构（包括 Wan、LTX、CogVideoX 和 Hunyuan）上都有效，并且可以通过重新校准单个参数来适应不同的模型系列。 AI

影响 降低了视频生成的计算成本，可能使更广泛地使用先进的视频扩散模型成为可能。

排序理由 详细介绍优化视频扩散模型新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• CachedSearch
• CogVideoX
• Hunyuan Model
• ImageReward
• Shreshth Saini
• VBench
• VBench 2.0
• Wan2.1-14B
• Wan2.1-T2V-1.3B

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →