論文の概要: Accelerating Video Diffusion via Training-Free Trajectory Routing

• arxiv url: http://arxiv.org/abs/2609.30096v1
• Date: Thu, 24 Sep 2026 16:39:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.12148
• Title: Accelerating Video Diffusion via Training-Free Trajectory Routing
• Title（参考訳）: 学習自由軌道ルーティングによる映像拡散の加速
• Abstract要約: ビデオ拡散は計算コストがかかるため、多くのデノナイジングステップで大きなモデルを実行する必要がある。 TRACK: TRajectory-Aware Capacity routing via top-K selection, an heterogeneous denoising strategy。 TRACKは、選択されたステップで互換性のある大小モデルの切り替えを行う。
• 参考スコア（独自算出の注目度）: 16.936373458778892
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video diffusion is computationally expensive, as it requires executing a large model across many denoising steps. Even with step-distillation, inference remains expensive because every distilled step still requires a costly model evaluation. We present TRACK: TRajectory-Aware Capacity routing via top-K selection, a heterogeneous denoising strategy that switches between compatible large and small models at selected steps, reducing the average cost per denoising evaluation. The switching steps are determined using a calibration process. TRACK first rolls out a reference trajectory with the large model. Then at each step, the small model's prediction is also collected and compared against the large model's prediction to obtain a relative disagreement score. Both models receive the same latent, timestep, conditioning, and guidance inputs. Aggregating this signal over a calibration set produces a disagreement score map across diffusion steps, which determines a switching policy for an efficient inference process: quality-sensitive steps keep using the large model, while steps with low disagreement scores are routed to the small model. Inference executes only the selected model at each step, requiring no retraining, architecture or scheduler changes, or online dual-model evaluation. Across Wan 2.1, Cosmos 3, TurboDiffusion, and FastVideo, TRACK yields $1.95\times$, $2.04\times$-$2.73\times$, $2.69\times$, and $2.17\times$ speedups, respectively, with comparable aggregate quality and high diversity retention. TRACK thereby establishes automated, training-free model switching as a practical acceleration paradigm for video diffusion.
• Abstract（参考訳）: ビデオ拡散は計算コストがかかるため、多くのデノナイジングステップで大きなモデルを実行する必要がある。 ステップ蒸留であっても、すべての蒸留工程が高価なモデル評価を必要とするため、推論は高価である。 TRACK: TRajectory-Aware Capacity routing via top-K selection, a heterogeneous denoising strategy that switchs between compatible large and small model at selected steps, reduce the average cost per denoising evaluation。 切替ステップは、校正工程を用いて決定される。 TRACKはまず、大きなモデルで参照軌跡をロールアウトする。 そして、各ステップにおいて、小さなモデルの予測も収集し、大モデルの予測と比較し、相対的な不一致スコアを得る。 どちらのモデルも同じ遅延、タイムステップ、条件付け、ガイダンス入力を受け取る。 この信号をキャリブレーションセットに集約すると、拡散ステップ間の不一致スコアマップが生成され、効率的な推論プロセスの切り替えポリシーが決定される:品質に敏感なステップは大きなモデルを使い続け、低い不一致スコアを持つステップは小さなモデルにルーティングされる。 推論は各ステップで選択されたモデルのみを実行し、再トレーニング、アーキテクチャやスケジューラの変更、オンラインのデュアルモデル評価を必要としない。 Wan 2.1、Cosmos 3、TurboDiffusion、FastVideoで、TRACKは$1.95\times$、$2.04\times$-$2.73\times$、$2.69\times$、$2.17\times$ Speedupsをそれぞれ得ている。 TRACKは、ビデオ拡散の実用的な加速パラダイムとして、自動でトレーニング不要なモデルスイッチングを確立する。

関連論文リスト

• teasr: training-efficient any-step diffusion transformer for real-world image super-resolution [10.733502031936958]
  TEASRはReal-ISRのためのトレーニング効率の良い任意のステップ拡散フレームワークである。 我々のキーとなる考え方は、単一拡散モデル内で自己逆蒸留を行うことである。 ノイズレベルの一段階生成を安定化する時間ステップ対応補正戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-15T04:02:37Z)
• AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation [70.80207977907908]
  フローマップをベースとした,最初のノンステップビデオ拡散蒸留フレームワークであるAnyFlowを紹介した。 我々は、AnyFlowがいくつかの段階において、パフォーマンスの一致を達成するか、一貫性ベースの結果を上回ることを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:06:34Z)
• FlashDLM: Accelerating Diffusion Language Model Inference via Efficient KV Caching and Guided Diffusion [22.207275433870937]
  拡散言語モデルは並列トークン生成と本質的に双方向性を提供する。 最先端拡散モデル(ドリーム7B、LLaDA 8Bなど)は推論が遅い。 我々は,トークンアンマキングを監督するために,軽量な事前学習型自己回帰モデルを用いた学習自由度法であるガイドド拡散を導入する。
  論文  参考訳（メタデータ） (2025-05-27T17:39:39Z)
• One Step Diffusion via Shortcut Models [109.72495454280627]
  単一ネットワークとトレーニングフェーズを用いて高品質なサンプルを生成する,生成モデルのファミリであるショートカットモデルを導入する。 ショートカットモデルは、現在のノイズレベルと所望のステップサイズにネットワークを条件付け、生成プロセスでモデルをスキップすることができる。 蒸留と比較して、ショートカットモデルは複雑性を1つのネットワークとトレーニングフェーズに減らし、推論時に様々なステップ予算を許容する。
  論文  参考訳（メタデータ） (2024-10-16T13:34:40Z)
• One-Step Diffusion Distillation via Deep Equilibrium Models [64.11782639697883]
  本稿では,拡散モデルを初期雑音から得られた画像に直接蒸留する簡易かつ効果的な方法を提案する。 本手法は,拡散モデルからノイズ/イメージペアのみによる完全オフライントレーニングを可能にする。 GET は FID スコアの点で 5 倍の ViT と一致するので,DEC アーキテクチャがこの能力に不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-12T07:28:40Z)
• Towards More Accurate Diffusion Model Acceleration with A Timestep Tuner [112.99126045081046]
  数千のデノナイジングステップを用いて画像を生成するために定式化された拡散モデルは通常、遅い推論速度に悩まされる。 最小コストで特定の区間に対してより正確な積分方向を求めるのに役立つtextbftimestep tunerを提案する。 実験により,我々のプラグイン設計を効率的に訓練し,様々な最先端加速度法の推論性能を向上できることが示された。
  論文  参考訳（メタデータ） (2023-10-14T02:19:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。