TaoCache: Structure-Maintained Video Generation Acceleration
Huawei Inc.(华为公司)
TaoCache提出一种免训练的即插即用缓存策略,通过不动点视角预测噪声输出并校准连续噪声增量,在保持高分辨率结构的同时实现激进去噪步跳过,显著提升了视频扩散模型在相同加速比下的视觉质量。
2025-08-12 cs.CV
Dynamic Video Generation: Shaping Video Generation Across Time and Space
Shanghai Jiao Tong University(上海交通大学);South China University of Technology(华南理工大学);Tsinghua University(清华大学)
本文提出DVG框架,通过在时间和空间上联合分配计算,自动选择内容感知的加速策略,实现近无损加速,展示了在视频生成中的高效性能。
2026-10-16 cs.CV
Less is Enough: Training-Free Video Diffusion Acceleration via Runtime-Adaptive Caching
Huazhong University of Science and Technology(华中科技大学);MEGVII Technology(美科七科技);University of Hong Kong(香港大学)
本文提出免训练视频扩散加速框架EasyCache,通过运行时自适应缓存重用变换向量,在OpenSora、Wan2.1和HunyuanVideo上实现最高2.1-3.3倍加速,并较先前SOTA方法提升最高36% PSNR。
2025-07-03 cs.CV
SAGA: Stable Acceleration Guidance for Autoregressive Video Generation
University of Science, VNU-HCM(越南胡志明市国家大学);Vietnam National University(越南国家大学);University of Dayton(Dayton 大学)
研究自回归视频生成中因重复使用潜在变量致时间误差问题,提出SAGA方法,它整合加速域频谱引导目标与初始化策略,无需训练可直接用于现有模型,能提升时间质量、减少时间不稳定性并保持视觉保真度。
2026-10-02 cs.CV
Astraea: A Token-wise Acceleration Framework for Video Diffusion Transformers
Shanghai Jiao Tong University(上海交通大学);Shanghai Qizhi Institute(上海启智研究院);Huawei Technologies Co.,Ltd(华为技术有限公司)
Astraea提出令牌选择与稀疏注意力机制,结合进化算法搜索最优配置,在单GPU上实现2.4倍、8 GPU上13.2倍的推理加速,同时保持视频质量。
2025-09-26 cs.CV
Adaptive Hybrid Caching for Efficient Text-to-Video Diffusion Model Acceleration
Sun Yat-sen University(中山大学);Alibaba Group(阿里巴巴集团);National University of Singapore(新加坡国立大学)
本文提出MixCache,一种基于缓存的训练自由框架,通过自适应混合缓存策略提升视频DiT模型的生成效率和质量。
2026-02-26 cs.CV cs.GR cs.LG
LearniBridge: Learnable Calibration of Feature Caching for Diffusion Models Acceleration
提出LearniBridge,一种基于低秩共享子空间的可学习校准机制,通过轻量LoRA更新实现特征缓存的多时间步校准,仅需3-5个训练样本即可在图像和视频生成中实现高达5.87倍加速。
2026-06-26 cs.CV cs.LG
PackCache: A Training-Free Acceleration Method for Unified Autoregressive Video Generation via Compact KV-Cache
Institute of Artificial Intelligence, University of Central Florida(人工智能学院,中央佛罗里达大学)
PackCache通过动态压缩KV缓存提升统一自回归视频生成效率,显著加速长序列生成。
2026-01-07 cs.CV
TurboDiffusion: Accelerating Video Diffusion Models by 100-200 Times
Tsinghua University(清华大学);Shengshu Technology(盛舒科技);UC Berkeley(加州大学伯克利分校)
TurboDiffusion通过低比特注意力、步骤蒸馏和W8A8量化等技术,实现视频扩散模型100-200倍加速并保持视频质量。
2025-12-18 cs.AI cs.CV cs.LG
RhymeFlow: Training-Free Acceleration for Video Generation with Asynchronous Denoising Flow Scheduling
Tsinghua University(清华大学);GigaAI(极佳科技)
针对DiT视频生成模型推理慢的问题,提出无训练框架RhymeFlow,通过识别关键帧并仅对其密集去噪,非关键帧逐步跳过步骤,同时引入潜在轨迹投影模块保持时序一致性,实现加速并提升质量。
2026-06-04 cs.CV
Block Cascading: Training Free Acceleration of Block-Causal Video Models
Stability AI;SketchX, University of Surrey(SketchX, Surrey大学)
块级级联通过无训练并行化技术,显著提升块因果视频模型的推理速度,同时保持生成质量。
2025-11-25 cs.AI cs.CV
UnStep: Training-Free Acceleration of Causal Video Diffusion with Fewer Steps Than Distillation
提出无需训练的UnStep包装器,通过减少DiT步数、限制KV缓存窗口及截断SVD等推理机制,显著加速因果视频扩散,在H100和GB200上分别达到50和77 FPS且无质量损失。
2026-11-20 cs.CV
Heuristics are Not Enough: Calibrated and Corrected Caching for Video Diffusion Acceleration
The Chinese University of Hong Kong(香港中文大学);Huawei Technology Co. Ltd(华为技术有限公司)
针对现有视频扩散模型缓存方法的缺陷,提出闭环缓存框架AlignCache,通过三个耦合组件实现调度自校正,在主流视频生成模型上达成更优加速-质量权衡。
2026-10-14 cs.AI cs.CV
Efficient Audio-Visual Generation via Synchrony-Aware Cross-Modal Sparse Attention
Alibaba Group(阿里巴巴集团);Alibaba Cloud Computing(阿里巴巴云计算);Shanghai Jiao Tong University(上海交通大学)
本文提出同步感知加速框架,通过受保护的稀疏注意力策略在保留视听生成质量与同步性的同时提升推理效率。
2026-08-18 cs.CV
VORTA: Efficient Video Diffusion via Routing Sparse Attention
College of Computing and Data Science, Nanyang Technological University, Singapore(计算与数据科学学院,南洋理工大学,新加坡)
针对视频扩散Transformer长程注意力计算成本高的问题,提出加速框架VORTA,通过稀疏注意力机制和自适应路由策略替换全3D注意力,实现1.76倍端到端加速且无质量损失,并可与其他方法结合达到14.41倍加速。
2025-10-12 cs.CV
RainFusion: Adaptive Video Generation Acceleration via Multi-Dimensional Visual Redundancy
Huawei Technologies Co., Ltd(华为技术有限公司)
针对 DiT 视频生成中 3D 注意力计算开销过大的问题,提出免训练、即插即用的 RainFusion 稀疏注意力方法,通过 ARM 在线识别空间、时间和纹理稀疏模式,在多个开源模型上实现超 2 倍加速且几乎不损失 VBench 质量。
2025-06-09 cs.AI cs.CV
Sparse Attention for Video Generation Acceleration via Growing Sparsity and Reduced Search
South China University of Technology(华南理工大学)
本研究针对扩散Transformer视频生成推理成本高的问题,提出无需训练的GSRS框架,通过随去噪增长的稀疏率与复用早期搜索结果缩减开销,在HunyuanVideo等数据集上实现1.55×-2.21×加速且保持生成质量。
2026-10-16 cs.CV
Ride the Wave: Precision-Allocated Sparse Attention for Smooth Video Generation
Beijing University of Posts and Telecommunications(北京邮电大学);Nanyang Technological University(南洋理工大学)
本文提出PASA框架,通过动态预算分配、硬件对齐分组近似和随机选择偏置,实现高效且时间平滑的视频生成,减少视觉闪烁。
2026-04-14 cs.AI cs.CV
Memory-Efficient Training-Free Acceleration of Diffusion Transformers with BaryCache
College of Electronics and Information Engineering, Shenzhen University(深圳大学电子与信息工程学院);School of Artificial Intelligence, Shenzhen University(深圳大学人工智能学院);College of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机与软件学院)
本研究提出无训练加速方法BaryCache,采用重心外推器缓解扩散Transformer采样的振荡伪影,在图像与视频生成中实现最高3.30倍采样加速,兼顾内存与感知质量。
2026-09-01 cs.CV
FIS-DiT: Breaking the Few-Step Video Inference Barrier via Training-Free Frame Interleaved Sparsity
Platform and Content Group, Tencent(腾讯平台与内容组)
本文提出FIS-DiT,通过将优化重点从时间轨迹转向潜在帧维度,解决少步推断中特征复用和预测建模受限的问题,实现2.11-2.41倍的加速效果。
2026-09-29 cs.CV cs.LG
Training-free Diffusion Acceleration with Bottleneck Sampling
Peking University(北京大学);Bytedance(字节跳动)
提出无训练瓶颈采样框架,利用低分辨率先验加速扩散模型推理,在图像和视频生成中分别实现高达3倍和2.5倍加速,同时保持输出质量。
2025-03-27 cs.CV
Accelerating Diffusion-based Video Editing via Heterogeneous Caching: Beyond Full Computing at Sampled Denoising Timestep
Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学);The Hong Kong Polytechnic University(香港理工大学)
本文提出HetCache框架,通过利用扩散基于掩码视频到视频生成中的异构性,减少冗余注意力运算,提升视频编辑效率与质量。
2026-03-25 cs.AI cs.CV
Parallel Decoding Distillation for Fast Image and Video Generation
NVIDIA(英伟达);Weizmann Institute of Science(魏茨曼科学研究所)
针对视频扩散或流模型生成计算昂贵问题,提出并行解码蒸馏方法PDD,兼容预训练模型,通过预测多去噪步骤加速生成,在多个数据集上达SOTA性能,提升视频多样性。
2026-07-29 cs.CV cs.LG
Phased One-Step Adversarial Equilibrium for Video Diffusion Models
V-PAE通过相位单步对抗均衡方法提升大规模视频模型的生成质量与效率,实现高质量视频生成并显著降低扩散延迟。
2025-12-25 cs.CV
F3-Pruning: A Training-Free and Generalized Pruning Strategy towards Faster and Finer Text-to-Video Synthesis
University of Electronic Science and Technology of China (UESTC)(电子科技大学)
针对文本到视频模型推理成本高的问题,提出免训练通用剪枝策略F3-Pruning,通过剪除冗余时间注意力权重,在CogVideo和Tune-A-Video上实现加速且保持质量。
2023-12-06 cs.CV
USV: Unified Sparsification for Accelerating Video Diffusion Models
University of Chinese Academy of Sciences(中国科学院大学);Tencent Hunyuan(腾讯文元)
USV通过统一稀疏化策略提升视频扩散模型的效率,实现去噪速度提升83.3%和端到端加速22.7%。
2025-12-05 cs.CV
BLADE: Block-Sparse Attention Meets Step Distillation for Efficient Video Generation
Zhejiang University(浙江大学);Central Media Technology Institute, Huawei Technologies(华为技术有限公司中央媒体技术研究所)
本文提出无数据联合训练框架 BLADE,通过自适应块稀疏注意力与稀疏感知 TDM 步数蒸馏协同优化视频扩散模型推理,在保持并提升生成质量的同时实现最高14.10倍加速。
2025-09-29 cs.AI cs.CV cs.LG
Adaptive Spectral Feature Forecasting for Diffusion Sampling Acceleration
Stanford University(斯坦福大学);ByteDance(字节跳动)
本文提出Spectrum方法,通过切比雪夫多项式近似实现全局长距离特征重用,提升扩散采样速度并保持高质量样本。
2026-10-01 cs.CV cs.LG
QuantCache: Adaptive Importance-Guided Quantization with Hierarchical Latent and Layer Caching for Video Generation
Shanghai Jiao Tong University(上海交通大学);MGTV;Shanhai Academy(山海学院)
本文提出无训练推理加速框架QuantCache,通过联合优化分层潜在缓存、自适应重要性引导量化和结构冗余感知剪枝,在Open-Sora上实现6.72倍端到端加速并保持生成质量。
2025-03-09 cs.CV
What about gravity in video generation? Post-Training Newton's Laws with Verifiable Rewards
Stony Brook University(石溪大学);LIX, École Polytechnique, CNRS, IPP(巴黎政治学院LIX研究所、法国国家科学研究中心、IPPP)
NewtonRewards通过可验证奖励机制提升视频生成的物理合理性与运动流畅度。
2025-11-29 cs.CV
Dynamic-in-Few-Step: Unifying Dynamic Computation and Few-Step Distillation for Efficient Video Generation
Zhejiang University(浙江大学);Westlake University(西湖大学);BlueImage, vivo(蓝城图像,维沃);Xian Jiaotong-Liverpool University(西交利物浦大学)
针对视频扩散模型计算成本高问题,提出将动态结构稀疏化融入蒸馏过程的加速框架,联合优化去噪步骤与模型稀疏性,引入相关策略和机制确保训练稳定,开发推理引擎,有效提升效率且保持生成质量。
2026-07-09 cs.AI cs.CV cs.LG
Compact Attention: Exploiting Structured Spatio-Temporal Sparsity for Fast Video Generation
College of Computer Science & Technology, Zhejiang University(计算机科学与技术学院,浙江大学);Huawei Technologies(华为技术)
针对视频生成中自注意力计算开销大的问题,本文提出Compact Attention框架,通过自适应分块、时变窗口和自动配置搜索利用结构化时空稀疏性,在单GPU上实现1.6至2.5倍加速并保持视觉质量。
2026-11-04 cs.CV
Tikhonov-Stabilized Bezier Representation Forecasting for Training-free Diffusion Acceleration
School of Electronic and Computer Engineering, Peking University(北京大学电子与计算机工程学院);School of Informatics, Xiamen University(厦门大学信息学院);BNRist, Tsinghua University(清华大学BNRist)
该研究针对扩散模型推理成本高的问题,提出无训练的BeziCast框架,通过Tikhonov正则化贝塞尔轨迹预测实现加速,可将FLUX.1、HunyuanVideo分别最高加速4.79倍、4.11倍,且生成质量优于竞争基线。
2026-10-14 cs.CV
Technical Report: Competition Solution For Modelscope-Sora
本报告介绍了Modelscope-Sora挑战赛的解决方案,通过视频描述生成、过滤和加速等数据处理技术提升训练数据质量,从而改善文本到视频生成模型的性能。
2024-09-24 cs.AI cs.CV
Fast3Dcache: Training-free 3D Geometry Synthesis Acceleration
AGI Lab, Westlake University(西溪大学AGI实验室);University of Electronic Science and Technology of China(电子科学与技术大学);Nanyang Technological University(南洋理工大学)
本文提出Fast3Dcache,一种无训练的几何感知缓存框架,通过动态缓存调度和时空稳定性准则,显著加速3D扩散模型推理,同时保持几何精度。
2026-03-25 cs.CV
LESA: Learnable Stage-Aware Predictors for Diffusion Model Acceleration
Shanghai Jiao Tong University(上海交通大学)
针对扩散模型计算开销大、现有缓存策略难以适应去噪过程阶段动态变化的问题,提出基于两阶段训练的可学习阶段感知预测器框架,利用KAN网络学习时序特征映射并采用多阶段多专家架构,在保持高质量生成的同时实现显著加速。
2026-05-27 cs.AI cs.CV
RotateAttention: RoPE-Aware Rotation and Range Rectification for INT4 Quantized Attention in Video Generation
The Hong Kong University of Science and Technology(香港科技大学);Independent Researcher(独立研究员)
针对基于DiT的视频生成模型中注意力机制的计算瓶颈,提出RotateAttention框架,采用选择性FP16回退,引入RoPE感知旋转和范围优化P量化技术,提升速度并保持生成质量。
2026-07-14 cs.CV
iCATS: Fast Video Generation via Interaction-Aware Sparse Attention and Timestep-Adaptive Sparsity
Hangzhou Normal University(杭州师范大学);T-Head Semiconductor Co., Ltd.(平头哥半导体有限公司);Alibaba Group(阿里巴巴集团)
iCATS通过交互感知的重要性估计、SNR引导的动态稀疏性调度及尾部合并策略,在HunyuanVideo-T2V-13B和Wan2.1-T2V-14B上分别实现2.03倍、1.55倍加速,达成最优效率-质量权衡。
2026-11-11 cs.CV
VDE: Training-Free Accelerating Rectified Flow Model via Velocity Decomposition and Estimation
South China University of Technology(华南理工大学)
提出速度分解与估计(VDE)方法,通过将模型速度分解为平行和正交分量并利用其时间可预测性和方向稳定性进行输入自适应估计,无需训练即可加速整流流模型,在图像和视频生成任务中实现显著加速且视觉质量损失极小。
2026-05-22 cs.CV
DisCa: Accelerating Video Diffusion Transformers with Distillation-Compatible Learnable Feature Caching
Shanghai Jiao Tong University(上海交通大学);Tencent Hunyuan(腾讯文英);Xidian University(西安电子科技大学)
本文提出一种与知识蒸馏兼容的可学习特征缓存机制,用于加速视频扩散变换器,通过轻量级可学习神经预测器提升高维特征演化过程的准确性,并采用保守的受限均值流方法实现更稳定无损的知识蒸馏,从而将加速边界推至11.8倍同时保持生成质量。
2026-04-20 cs.AI cs.CV
StreamingEffect: Real-Time Human-Centric Video Effect Generation
Show Lab, National University of Singapore(新加坡国立大学Show实验室)
本文提出StreamingEffect框架,通过实时视频到视频编辑技术,在保持人类身份、背景内容和时间一致性的同时添加表现性效果,并构建了最大的以人为中心的视频效果数据集VideoEffect-130K,实现了单块H200 GPU上的实时高质量720p视频编辑。
2026-05-16 cs.CV
Grouping First, Attending Smartly: Training-Free Acceleration for Diffusion Transformers
Johns Hopkins University(约翰霍普金斯大学)
针对扩散Transformer计算成本高的问题,提出免训练注意力加速策略GRAT,通过分组共享注意力键值、限制结构化注意力区域实现大幅加速,在图像和视频生成任务上保持全注意力性能。
2025-05-20 cs.CV
Streaming Video Editing with Easy Adaptation
Shanghai Jiao Tong University(上海交通大学)
提出SVEET框架,通过骨干特征解耦与条件帧独立性原则及解耦训练,实现仅训练预训练双向扩散模型即可进行高质量实时流式视频编辑,在H100上达15 FPS。
2026-09-22 cs.CV
Spectral Progressive Diffusion for Efficient Image and Video Generation
Stanford University(斯坦福大学)
本文提出了一种频域渐进扩散框架,通过在预训练扩散模型的去噪轨迹中逐步提高分辨率,实现高效的图像和视频生成,同时改进了效率和质量。
2026-08-18 cs.CV
Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
NVIDIA Research, Efficient AI Team & Singapore Lab(NVIDIA Research,高效AI团队与新加坡实验室)
针对MiniMax-H3视频扩散模型在云与边缘设备的推理瓶颈,提出全栈优化流水线,含跨分辨率调度与递归自我改进内核搜索,实现30倍加速和20%显存降低。
2026-09-29 cs.AI cs.CV cs.LG
DiffBench Meets DiffAgent: End-to-End LLM-Driven Diffusion Acceleration Code Generation
本文提出DiffBench和DiffAgent,通过LLM驱动的闭环流程,实现端到端的扩散模型加速代码生成,显著提升生成策略的有效性。
2026-01-06 cs.CV
SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
NVIDIA(英伟达)
针对高分辨率视频生成成本高的问题,提出SoL-Refiner单步细化器,通过持续训练、强化学习和蒸馏,实现4K视频单步细化,在2K和4K下均优于现有方法,延迟加速8.91倍。
2026-11-05 cs.CV
FastSTAR: Spatiotemporal Token Pruning for Efficient Autoregressive Video Synthesis
Korea Advanced Institute of Science and Technology(韩国科学技术院)
FastSTAR通过时空令牌修剪和部分更新机制,实现高效视频生成,在保持质量的同时提升处理速度。
2026-03-07 cs.CV
Efficient Video Diffusion Models: Advancements and Challenges
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
本文综述了高效视频扩散模型的进展与挑战,分析了四种主要范式,探讨了减少函数调用次数和降低每步开销的核心目标,并讨论了未来研究方向。
2026-04-17 cs.CV
Predict to Skip: Linear Multistep Feature Forecasting for Efficient Diffusion Transformers
School of Artificial Intelligence, Beijing Normal University, Beijing 100875, China(人工智能学院,北京师范大学,北京);Institute of Artificial Intelligence(人工智能研究所);Future Networks, Beijing Normal University, Zhuhai 519087, China(未来网络,北京师范大学,珠海)
PrediT通过线性多步特征预测方法,在不训练的情况下加速扩散变换器,实现显著的延迟降低同时保持生成质量。
2026-08-11 cs.CV
Aquarius: A Family of Industry-Level Video Generation Models for Marketing Scenarios
ByteDance(字节跳动)
本研究推出面向营销场景的工业级视频生成模型家族Aquarius,包含五大核心组件,支持多规格高保真长视频生成,性能优异,将开源数据处理框架以推动领域发展。
2025-05-14 cs.CV
Accelerating Diffusion Sampling via Exploiting Local Transition Coherence
Shanghai Jiao Tong University(上海交通大学)
提出一种无需训练的加速方法LTC-Accel,通过利用相邻步骤间转移算子的统计关系来估计当前转移算子,从而加速文本到图像和视频的扩散采样,兼容多种网络结构和现有加速技术。
2026-05-27 cs.CV
DC-VideoGen: Efficient Video Generation with Deep Compression Video Autoencoder
NVIDIA(英伟达)
本文提出 DC-VideoGen 训练后加速框架,结合深度压缩视频自编码器与 AE-Adapt-V,使 Wan-2.1-14B 以低成本适配高压缩潜空间,最高降低 14.8 倍延迟并支持单卡 4K 视频生成。
2025-09-29 cs.AI cs.CV
Not All Frames Deserve Full Computation: Accelerating Autoregressive Video Generation via Selective Computation and Predictive Extrapolation
Institute of Artificial Intelligence and Future Networks, Beijing Normal University(北京师范大学人工智能与未来网络研究院);School of Artificial Intelligence, Beijing Normal University(北京师范大学人工智能学院);Shenzhen University of Advanced Technology(深圳理工大学)
本文提出SCOPE框架,通过三模式调度器和选择性计算,提升自回归视频扩散模型效率,在保持质量的同时实现4.73倍加速。
2026-08-11 cs.CV