論文の概要: Frequency-Step Cache: Separating Synchronization and Repair for Efficient Autoregressive Video Diffusion
- arxiv url: http://arxiv.org/abs/2610.15922v1
- Date: Sun, 11 Oct 2026 21:07:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 15:18:23.809526
- Title: Frequency-Step Cache: Separating Synchronization and Repair for Efficient Autoregressive Video Diffusion
- Title（参考訳）: 周波数ステップキャッシュ:効率的な自己回帰ビデオ拡散のための同期と修復の分離
- Abstract要約: Frequency-Step Cache (FSC) は、厳密でスパースな軌道上で、正確なフル計算アンカーをスケジュールする。
SkyReels-V2では、全ステップの再利用がアクセラレーションの大部分を提供し、選択的トークン計算はフィデリティ修復として最も効果的である。
制御されたアブレーションは、同期と修復の両方に1つの反応信号を使用すると、一致したレイテンシでの忠実度が低下することを示している。
- 参考スコア（独自算出の注目度）: 3.3579727024861064
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autoregressive (AR) video generation enables long-horizon synthesis but requires repeated forward passes through large diffusion transformers. Training-free caching reduces this cost by reusing intermediate computation, yet existing controllers often couple two decisions: when to synchronize the cache exactly and how much computation to repair between synchronizations. We introduce Frequency-Step Cache (FSC), which separates these roles. FSC schedules exact full-computation anchors on a dense-to-sparse trajectory, while a lightweight latent-space risk based on frequency-resolved drift and token age controls inter-anchor repair through whole-step replay, selective token recomputation, or full repair. On SkyReels-V2, whole-step reuse provides most of the acceleration, while selective token computation is most effective as fidelity repair. A controlled ablation shows that using one reactive signal for both synchronization and repair reduces fidelity at matched latency, with the same separation advantage observed on FramePack and Matrix-Game. Across multiple autoregressive video backbones, FSC improves speed-quality trade-offs. On SkyReels-V2, FSC-Speed reaches 2.36x speedup versus MotionCache's 2.275x while improving SSIM by 0.019 and PSNR by 0.5 dB. At MotionCache-matched speed, FSC-Quality improves SSIM by 0.031 and PSNR by 1.0 dB and lowers LPIPS by 0.024. Without retuning, FSC-Quality transfers to SkyReels-V2 14B at 2.12x speedup versus 1.79x for MotionCache.
- Abstract（参考訳）: 自己回帰(AR)ビデオ生成は、長い水平合成を可能にするが、大きな拡散変圧器を何度も通過する必要がある。
トレーニング不要のキャッシュは、中間計算を再利用することで、このコストを削減するが、既存のコントローラは、キャッシュを正確に同期させるタイミングと、同期間の処理量を2つに分けていることが多い。
周波数ステップキャッシュ(FSC)を導入し、これらの役割を分離する。
周波数分解ドリフトとトークン年齢制御に基づく軽量の遅延空間リスクは、全ステップの再生、選択的トークン再計算、または全修復を通じてアンカー間修復を行う。
SkyReels-V2では、全ステップの再利用がアクセラレーションの大部分を提供し、選択的トークン計算はフィデリティ修復として最も効果的である。
制御されたアブレーションは、同期と修復の両方に1つの反応信号を使用すると、FramePackやMatrix-Gameと同じ分離優位性で、一致したレイテンシでの忠実度が低下することを示している。
複数の自動回帰ビデオバックボーンにまたがって、FSCはスピード品質のトレードオフを改善している。
SkyReels-V2では、FSC-SpeedはMotionCacheの2.275倍の2.36倍、SSIMは0.019倍、PSNRは0.5dBに向上した。
MotionCacheにマッチした速度では、SC-QualityはSSIMを0.031、PSNRを1.0dB改善し、LPIPSを0.024に下げる。
FSC-Qualityは再調整なしで2.12倍のスピードアップでSkyReels-V2 14Bに転送される。
関連論文リスト
- UnStep: Training-Free Acceleration of Causal Video Diffusion with Fewer Steps Than Distillation [22.112246514773762]
提案するUnStepは,推論時に因果的ビデオモデルを高速化するトレーニングフリーラッパーである。
ステップ削減とアテンションウィンドウリングによって失われた品質を回復する2つの推論のみのメカニズムを提案する。
UnStepは、因果的ビデオ拡散のための新しいスループットレギュレーションを設定し、品質損失なく1つのH100で50FPS、GB200で77FPSに達した。
論文 参考訳（メタデータ） (2026-09-26T12:02:08Z) - Reflex: Real-Time VLA Control through Streaming Inference [12.85847066934547]
textbfReflexは,フローマッチングポリシに対して,テキストリアルタイムストリーミング推論を可能にするフレームワークである。
LIBEROとKinetixのベンチマークでは、Reflexは2.58$times$推論スピードアップと50Hzの安定したストリーミングを実現し、反応遅延を最大54%削減した。
論文 参考訳（メタデータ） (2026-07-16T07:56:43Z) - ACID: Adaptive Caching for vIDeo generation [14.081444112966103]
ビデオ拡散モデルは、高品質な世代を生成するが、シーケンシャルなデノナイジング手順のために推論が遅いままである。
キャッシングベースの加速度法は、中間モデル出力を再利用することでこの問題に対処する。
ACIDラッパーは、各メソッドの既存のドリフト信号の変化率を監視し、ローとハイしきい値の間で動的に切り替える。
論文 参考訳（メタデータ） (2026-07-14T05:17:24Z) - Accelerating Video Inverse Problem Solvers with Autoregressive Diffusion Models [59.36933513963735]
拡散モデルは、ゼロショットビデオ逆問題に対して強力な先行情報を提供する。
彼らのリアルタイムデプロイメントは、2つの非効率さによって妨げられている: 全体的ビデオ復元による高い初期遅延と、複数のVAEパスによる低スループットである。
本稿では,これらの制限を克服するために,自動回帰ビデオ逆問題解法(AVIS)を提案する。
論文 参考訳（メタデータ） (2026-05-20T02:16:30Z) - Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion [61.57938553036056]
ARL2は、二次的なクロスフレームアテンションを固定サイズのリカレント状態に置き換えるハイブリッドアテンションモジュールである。
本研究では,フレーム内ソフトマックスブランチとフレーム間リカレント線形ブランチの2つに分割し,ストリームコンテキストの固定サイズ状態を維持する。
75%の層がハイブリッドリニアアテンションに置き換えられ、最大2.26ウォールクロックのスピードアップと54%のメモリ削減を実現した。
論文 参考訳（メタデータ） (2026-05-15T19:33:45Z) - Motion-Aware Caching for Efficient Autoregressive Video Generation [73.27762884730272]
MotionCacheは、ピクセルレベルのモーション特性の軽量プロキシとして、フレーム間の差異を利用する。
SkyReels-V2やMAGI-1のような最先端モデルの実験では、MotionCacheが大幅なスピードアップを実現している。
論文 参考訳（メタデータ） (2026-05-03T05:49:27Z) - Not All Frames Deserve Full Computation: Accelerating Autoregressive Video Generation via Selective Computation and Predictive Extrapolation [8.70067126225172]
オートレグレッシブ(AR)ビデオ拡散モデルは、長めのビデオ生成を可能にするが、複数ステップの復調を繰り返して高価である。
我々は,効率的なARビデオ拡散のためのトレーニングフリーフレームワークSCOPEを提案する。
MAGI-1とSkyReels-V2では、SCOPEは元の出力に匹敵する品質を維持しながら最大4.73倍のスピードアップを達成する。
論文 参考訳（メタデータ） (2026-04-03T11:34:47Z) - Frequency-Aware Error-Bounded Caching for Accelerating Diffusion Transformers [11.772150619675527]
ディフュージョントランスフォーマー(DiT)は高品質な画像生成とビデオ生成の主要なアーキテクチャとして登場してきた。
既存のキャッシュ手法は、タイムステップ間で中間計算を再利用することで、DiTを加速するが、それらは共通の制限を共有している。
本稿では、時間認識動的スケジューリング(TADS)、累積誤差予算(CEB)、周波数分解キャッシング(FDC)からなる統合キャッシュフレームワークであるSpectralCacheを提案する。
論文 参考訳（メタデータ） (2026-03-05T15:58:06Z) - Ca2-VDM: Efficient Autoregressive Video Diffusion Model with Causal Generation and Cache Sharing [66.66090399385304]
Ca2-VDMは、Causal生成とキャッシュ共有を備えた効率的な自己回帰VDMである。
因果生成のために一方向の特徴計算を導入し、前回の自己回帰ステップで条件付きフレームのキャッシュをプリ計算できるようにする。
キャッシュ共有では、巨大なキャッシュストレージコストを避けるために、すべてのデノナイズステップでキャッシュを共有する。
論文 参考訳（メタデータ） (2024-11-25T13:33:41Z)
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。