論文の概要: RA-CFGCache: From Branch-Level Criteria to Guided-Risk Control under Classifier-Free Guidance

• arxiv url: http://arxiv.org/abs/2609.36433v1
• Date: Tue, 29 Sep 2026 00:49:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.080288
• Title: RA-CFGCache: From Branch-Level Criteria to Guided-Risk Control under Classifier-Free Guidance
• Title（参考訳）: RA-CFGCache:「分岐レベル基準」から「ガイド-リスク制御」へ
• Abstract要約: トレーニング不要キャッシングは、以前計算された機能や予測を再利用することで、このコストを削減する。 RA-CFGCacheは,サンプリングスケジュールとガイダンスルールの修正を維持しつつ,両要因を組み込んだリスク調整型キャッシュフレームワークである。 RA-CFGCacheは、ほぼ変化のないレイテンシで忠実さを継続的に改善する。
• 参考スコア（独自算出の注目度）: 35.159871400787594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models enable high-quality visual generation, but iterative denoising remains computationally expensive, especially under classifier-free guidance (CFG), which requires both conditional and unconditional evaluations. Training-free caching reduces this cost by reuse of previously computed features or predictions. However, existing branch-local reuse criteria do not explicitly account for how cache errors combine under CFG or how local perturbations affect the final output. We identify two misalignments in cache control: a branch-guided mismatch, where guided error depends on both the magnitudes and alignment of branch errors, and a local-final mismatch, where the downstream impact of a local error varies across timesteps. We propose RA-CFGCache, a Risk-Aligned Caching framework under CFG that incorporates both factors while keeping the sampling schedule and guidance rule fixed. CFG-aware Guided-Risk Composition combines existing branch-wise proxies using CFG coefficients and offline-calibrated cross-branch alignment. Propagation-Aware Rescaling further weights the resulting guided-risk estimate with a timestep-dependent propagation prior calibrated from isolated reuse perturbations. An online threshold controller then determines when to jointly refresh or reuse both branches. Experiments on FLUX.1-dev, Wan2.1-T2V-1.3B, and CogVideoX-2B demonstrate improved efficiency--fidelity trade-offs over evaluated training-free caching baselines. Moreover, RA-CFGCache is compatible with diverse base proxy families, including TeaCache-, DiCache-, and MagCache-style estimators, and consistently improves fidelity at nearly unchanged latency. Code is available at https://github.com/yiming-l21/RA-CFGCache.git.
• Abstract（参考訳）: 拡散モデルは高品質な視覚生成を可能にするが、特に条件付きおよび非条件付き評価を必要とする分類器フリーガイダンス(CFG)の下では、反復的復調は計算コストがかかる。 トレーニング不要キャッシングは、以前計算された機能や予測を再利用することで、このコストを削減する。 しかし、既存のブランチローカルの再利用基準は、CFGの下でキャッシュエラーがどのように結合されるか、あるいはローカルの摂動が最終的な出力にどのように影響するかを明確に説明していない。 キャッシュ制御において、分岐誘導ミスマッチは、分岐エラーの大きさとアライメントに依存するが、局所的なミスマッチは、局所的なエラーの下流への影響がタイムステップによって異なる。 提案するRA-CFGCacheは,サンプリングスケジュールとガイダンスルールの修正を維持しつつ,両方の要因を組み込んだリスク調整型キャッシュフレームワークである。 CFG-aware Guided-Risk compositionは、CFG係数とオフラインキャリブレーションによるクロスブランチアライメントを用いて、既存のブランチワイズプロキシを組み合わせる。 Propagation-Aware Rescalingは、分離された再利用摂動からキャリブレーションされたタイムステップ依存の伝搬により、結果のガイド付きリスク推定をさらに重み付けする。 オンラインのしきい値コントローラは、両方のブランチをいつ共同でリフレッシュするか、再利用するかを決定する。 FLUX.1-dev、Wan2.1-T2V-1.3B、CogVideoX-2Bの実験では、トレーニング不要のキャッシュベースラインよりも効率-忠実なトレードオフが改善された。 さらに、RA-CFGCacheはTeaCache-、DiCache-、MagCache-スタイルの推定器など、さまざまなベースプロキシファミリと互換性があり、ほぼ変化のないレイテンシでフィリティを継続的に改善する。 コードはhttps://github.com/yiming-l21/RA-CFGCache.gitで入手できる。

関連論文リスト

• From Local Mismatch to Global Impact: Optimizing Cache Reuse Policy for Efficient Diffusion [29.046432574690602]
  キャッシュベースのアクセラレーションが有望なソリューションとして登場したが、ローカルの類似性に関する既存のポリシーは、最終世代の品質と不一致である。 この違いは、一様でない伝播と、騒音の軌跡に沿った誤差の蓄積に由来する。 この問題に対処するため,Global Cache Cache (GCache)を提案する。 GCacheは、ビデオおよび画像生成の両方において、事前キャッシュ戦略を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-08-13T10:08:47Z)
• Closing the Null Space: Guidance-Aware Quantization for Classifier-Free Diffusion [0.0]
  2パスのCFG実行パターンは、パラメータカウントとビット操作のメトリクスが完全に隠蔽する遅延オーバーヘッドを課します。 誘導予測に基づいて直接校正を行う誘導認識混合精度(GAMP)を提案する。
  論文  参考訳（メタデータ） (2026-07-09T08:42:07Z)
• NaviCache: Test-Time Self-Calibration Caching for Video Generation [82.90113757454375]
  NaviCacheはビデオ拡散モデルのためのテスト時間自己校正手法である。 基本的な領域ギャップと非定常的な拡散の性質を橋渡しする。 理論上は、誤差バウンド・スキップのメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-06-25T09:28:12Z)
• Closing the Calibration Gap in Semantic Caching [0.07456526005219319]
  PR-AUC が最も高いセマンティックキャッシングモデルが動作上で最悪の場合が多いことを示す。 キャッシュ利用レベルの精度を測定するキャッシュ対応指標であるP-CHR(Precision-Cache Hit Ratio)とRetention Rate(Retention Rate)を紹介する。 実験の結果, キャリブレーションギャップはデータスケールではなくトレーニング目標によって制御され, ポストホックキャリブレーションは部分的には閉じていることがわかった。
  論文  参考訳（メタデータ） (2026-06-18T02:34:33Z)
• SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching [75.02865981328509]
  キャッシュは、以前計算されたモデル出力をタイムステップで再利用することで計算を減らす。 本稿では,動的キャッシュポリシーであるSensitivity-Aware Caching(SenCache)を提案する。 SenCacheは、同様の計算予算の下で、既存のキャッシュメソッドよりも視覚的品質が向上する。
  論文  参考訳（メタデータ） (2026-02-27T17:36:09Z)
• ERTACache: Error Rectification and Timesteps Adjustment for Efficient Diffusion [30.897215456167753]
  拡散モデルは、本質的に反復的推論プロセスのため、かなりの計算オーバーヘッドに悩まされる。 我々は、両方のエラータイプを共同で修正する原則的なキャッシュフレームワークであるERTACacheを提案する。 ERTACacheは最大2倍の推論スピードアップを実現します。
  論文  参考訳（メタデータ） (2025-08-27T10:37:24Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)

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。