面向加速扩散模型的谱演化感知缓存——SeaCache
计算机视觉与模式识别
2026-03-25 v2
摘要
扩散模型是视觉生成的强大基础，但其固有的顺序去噪过程导致推理速度慢。以前的方法通过基于相邻时间步之间特征距离缓存和重用中间输出来加速抽样。然而，现有缓存策略通常依赖于原始特征差异，这些差异会 entangled 内容与噪声。这种设计忽略了谱演化，其中低频结构在早期出现，高频细节在后期被细化。我们引入谱演化感知缓存（SeaCache），一种基于谱对齐表示的训练自由缓存计划。通过理论和经验分析，我们推导出一种谱演化感知（SEA）滤波器，以保留内容相关分量同时抑制噪声。使用 SEA 滤波后的输入特征来估计冗余度，导致适用于内容的动态计划，同时尊重扩散模型背后的谱先验。广泛的实验在多样化的视觉生成模型和基准方法上表明，SeaCache 在延迟-质量权衡上实现了最佳性能。
引用
@article{arxiv.2602.18993,
title = {SeaCache: Spectral-Evolution-Aware Cache for Accelerating Diffusion Models},
author = {Jiwoo Chung and Sangeek Hyun and MinKyu Lee and Byeongju Han and Geonho Cha and Dongyoon Wee and Youngjun Hong and Jae-Pil Heo},
journal= {arXiv preprint arXiv:2602.18993},
year = {2026}
}
备注
Accepted to CVPR 2026. Project page:https://jiwoogit.github.io/SeaCache