Tag · 3 篇
步数蒸馏
分布 生成模型与扩散2高效模型与推理加速1
01 02 03
Soul：为数字人注入生命，实现高保真长期多模态动画
Soul: Breathe Life into Digital Human for High-fidelity Long-term Multimodal Animation
提出基于Wan2.2-5B骨干的多模态驱动数字人动画框架，通过音频注入层和阈值感知码本替换实现长期一致性，并利用步数/CFG蒸馏与轻量VAE实现11.4倍推理加速，为视频生成中的长时一致性和效率优化提供可复用方案。
PyramidalWan：让预训练视频模型金字塔化以实现高效推理
PyramidalWan: On Making Pretrained Video Model Pyramidal for Efficient Inference
把已预训练的视频扩散模型通过低成本微调改造成金字塔式多分辨率去噪结构，可直接复用于任何多步扩散采样器以降低推理算力；其金字塔内步数蒸馏策略对比也为少步视频生成提供可借鉴的加速路线。
DisCa：面向视频扩散 Transformer 的蒸馏兼容可学习特征缓存加速
DisCa: Accelerating Video Diffusion Transformers with Distillation-Compatible Learnable Feature Caching
用轻量可学习神经预测器替代无训练启发式特征缓存，并与步数蒸馏联合优化，可直接迁移到任意视频扩散 Transformer 的少步推理管线中以降低采样开销。