🍊

LeMiCa

  • 文章标题：LeMiCa: Lexicographic Minimax Path Caching for Efficient Diffusion-Based Video Generation
  • 文章地址：https://arxiv.org/abs/2511.00090
  • NIPS 2025
作者首先提出，之前的cache方法是局部贪婪的算法（即根据当前模型输出来判断是否cache），这样做有一个问题就是把所有时间步都看作是一样的，但其实不同的时间步具有异质性，如初始步数通常注重布局的生成从而更重要，后续的步数尽管可能相邻步数差异较大，但对总体结果影响不大（如下图的t1和t2）。作者也通过实验分析并证实了这一想法。 图中a可以看到，若只cache一步，在扩散过程前部分cache相较于后部分通常会引入更大的error，cache多步亦是如此，如上图b。 这里作者引入了全局输出loss，来衡量某部分cache对最终输出带来的误差。 因此，作者提出了一个全新的算法来进行cache。首先作者将反推过程看作一个有向无环图（DAG），边的权重即由状态i到j进行cache后的全局loss，因此，问题就转变成从初始状态到最终状态的最优路径。边的权重由多个prompt进行推理进行统计得到。值得注意的是，这里作者定义最优路径并非损失和最大的，因为整个扩散过程的损失不是相加的和马尔可夫性的，作者定义最优路径为：最小的最大权重边的路径（即将所有路径的边权重按大小排序，从左到右进行词排序，选取最小的路径）具体算法如下： 豆包解释得很好。 可改进的点： 1、整个图是离线构造的，且由多个prompt进行统计得到，没有针对不同的prompt进行适配。 2、实际上这是对所有cache方案进行损失估计的简化，如果对所有cache方案（所有segment的cache）进行统计分析肯定是更好的（但组合方案太多），而该方法通过图（单segment）和最小最大路径选择对其进行简化，这样有点粗糙了，能否有更精细的方案？