IdealCache：免训练缓存调度让扩散 Transformer 提速 6.35 倍
原文标题：IdealCache: Rethinking Cache Scheduling in Diffusion Transformers via Ideal Trajectories
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 IdealCache，放弃逐步模仿参考去噪轨迹，改为基于候选目标构建理想轨迹集合，并在图上用约束最短路搜索非均匀缓存调度。该方法免训练即可在 Qwen-Image 上实现 6.35 倍加速、Qwen-Image-Edit 5.84 倍、HunyuanVideo 4.32 倍，质量接近无损甚至部分指标更优。
深读 · 结论先行AI 生成展开看要点与影响 ↓
IdealCache 免训练缓存调度，Qwen-Image 提速 6.35 倍且质量近无损
- •放弃逐步模仿参考去噪轨迹，改为基于候选目标构建理想轨迹集合
- •将轨迹几何聚合为单图，用约束最短路搜索非均匀缓存调度
- •免训练在 Qwen-Image 达 6.35 倍、Qwen-Image-Edit 5.84 倍、HunyuanVideo 4.32 倍加速
- •部分任务指标更优，如图像编辑中保持更高语义一致性
为什么重要：把参考轨迹当作质量上限是现有缓存方法的盲点，绕开它可同时拿到大幅加速与不降质。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
蚂蚁灵波发布 LingBot-Touch 触觉基础模型并开源
AI 摘要蚂蚁灵波发布 LingBot-Touch 触觉基础模型，基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉与压阻式三类传感原理，可将不同信号统一为同一套触觉表征。该模型补齐机器人精细操作所需的触觉感知，技术报告、模型与代码已在 Hugging Face、GitHub 和魔搭开源。
谷歌发布 Gemini Omni 1.2 Flash 视频模型，单段时长增至 15 秒
AI 摘要谷歌推出 AI 视频生成模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频，较上一代提升 50%，并新增多轮对话式编辑能力。新模型增强了对参考内容的遵循，可在多镜头间保持角色、物体与场景一致性，减少视觉漂移。
OpenAI发布图像模型Images 2.6，生成提速50%并新增GIF功能
AI 摘要OpenAI发布图像生成模型Images 2.6，面向全球用户在ChatGPT、Codex及API开放。生成速度较上版提升50%，增强多轮编辑的细节与角色、产品、品牌一致性，并新增GIF循环动画生成。API提供Flare与Sunburst两个版本。
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。