FastLightGen：更少步数和参数的快速轻量视频生成
计算机视觉与模式识别
2026-03-13 v3
摘要
最近强大的视频生成模型（如Hunyuan、WanX、Veo3和Kling）的出现开启了该领域的新时代。然而，这些模型的实际部署严重受限于巨大的计算开销，这源于庞大的参数规模以及推理期间所需的迭代多步骤采样过程。先前的研究主要沿着两条截然不同的轨道推进：减少采样步骤数（如LCM、DMD和MagicDistillation）或压缩模型规模以实现更高效的推理（如ICMD）。同时压缩两者以创建快速轻量模型的潜力仍是未被探索的方向。本文提出FastLightGen，将大型计算密集型模型转换为快速轻量版本的算法。核心思想是在蒸馏框架内构建一个最优教师模型，以最大化学生性能，同时压缩模型规模和推理步骤。我们对HunyuanVideo-ATI2V和WanX-TI2V进行大量实验，表明使用4步采样和30%参数剪枝的生成器在受限的推理预算下实现最佳视觉质量。此外，FastLightGen持续优于所有竞争方法，建立了高效视频生成的新型态。
引用
@article{arxiv.2603.01685,
title = {FastLightGen: Fast and Light Video Generation with Fewer Steps and Parameters},
author = {Shitong Shao and Yufei Gu and Zeke Xie},
journal= {arXiv preprint arXiv:2603.01685},
year = {2026}
}
备注
Accepted by CVPR 2026