Vídeo con IA, contado desde las fuentes

Análisis

ScoutCache, método sin entrenamiento, informa de una aceleración de hasta 2,28× en Self-Forcing

Según los autores, ScoutCache acelera la difusión de vídeo autorregresiva de pocos pasos hasta 2,28× en Self-Forcing y 1,86× en LongLive, sin cambiar pesos.

Portada: 2,28×, aceleración máxima en Self-Forcing, sin cambiar pesos

Los autores de ScoutCache, un artículo en arXiv, afirman que su método sin entrenamiento acelera la difusión de vídeo autorregresiva de pocos pasos hasta 2,28× en Self-Forcing y 1,86× en LongLive, a la vez que mejora la calidad de generación (arXiv). Según el artículo, esto se logra sin modificar los parámetros del modelo preentrenado, de modo que los checkpoints existentes pueden acelerarse tal cual. Todas las cifras que siguen proceden de los experimentos de los propios autores, no de una prueba independiente.

Qué hace el método

ScoutCache se describe como un marco que optimiza conjuntamente la eliminación de ruido, la lectura del KV histórico y la construcción de la caché. En la configuración del artículo, la caché histórica contiene cuatro regiones de fotogramas: el primer fotograma latente del vídeo como ancla fija y los tres fotogramas del fragmento anterior (arXiv). Entre las líneas de base, FlowCache y Forcing-KV ya comprimen o podan las cachés KV históricas, mientras que ScoutCache combina la eliminación de ruido, la lectura del KV histórico y la construcción de la caché en un solo marco.

Los autores lo evalúan con los checkpoints de 1,3B de Self-Forcing y LongLive, publicados abiertamente. Un componente, Conditional Denoising Readout (CDR), se mide por separado: el artículo dice que reduce el error de actualización normalizado de 1,000 sin actualización a 0,596.

Aceleraciones según la duración del vídeo

En Self-Forcing, el artículo informa de una aceleración de 1,60× en VBench y de 2,19×, 2,25× y 2,28× en MovieGen a 30, 60 y 120 segundos, respectivamente. Por tanto, el 2,28× destacado corresponde al ajuste más largo de MovieGen, el de 120 segundos. El artículo atribuye el aumento de la aceleración con la duración del vídeo a la reducción de la sobrecarga relativa de la calibración inicial.

La cifra de 1,86× pertenece a LongLive, una arquitectura distinta. Los profesionales deben leer los dos máximos como resultados de modelos diferentes, no como un único número para todo el método.

Puntuaciones de calidad en la Tabla 6

Resultados publicadosTabla 6 del artículo: puntuaciones detalladas de calidad de vídeo en Self-ForcingFilas de la Tabla 6 del artículo (HTML de arXiv), copiadas celda por celda por nuestro código. Son cifras de los propios autores, no una prueba independiente. La primera columna es el bloque de la fila. De 11 columnas se muestran 5: las de cifras citadas o medidas nombradas. Ocultas: Tea Cache, MotionCache (Fast) y 4 más. Filas: 10 de 24, las citadas o nombradas y las de MovieGen (120s), condición del resultado principal. De sus 4 bloques, no se muestran: MovieGen (30s) (7 filas) y MovieGen (60s) (7 filas).Datos leídos el 18 de noviembre de 2026Fuente [2]Cómo funciona este formatoDescargar los datos
Bloque de la tabla Métrica Self- Forcing Flow Cache MotionCache (Slow) ScoutCache Página de origen
VBench (5s) Quality Score 84.06 84.04 72.96 84.38 https://arxiv.org/html/2611.21038
VBench (5s) Semantic Score 71.36 71.64 52.75 71.28 https://arxiv.org/html/2611.21038
VBench (5s) Total Score 81.52 81.56 68.92 81.76 https://arxiv.org/html/2611.21038
MovieGen (120s) Subject Consistency 96.54 96.35 94.00 97.29 https://arxiv.org/html/2611.21038
MovieGen (120s) Background Consistency 96.66 96.34 95.28 95.43 https://arxiv.org/html/2611.21038
MovieGen (120s) Motion Smoothness 97.99 98.14 95.36 98.09 https://arxiv.org/html/2611.21038
MovieGen (120s) Dynamic Degree 28.24 28.68 17.57 49.14 https://arxiv.org/html/2611.21038
MovieGen (120s) Aesthetic Quality 51.27 51.14 45.66 56.77 https://arxiv.org/html/2611.21038
MovieGen (120s) Imaging Quality 61.85 59.64 51.04 68.82 https://arxiv.org/html/2611.21038
MovieGen (120s) Total Score 75.03 74.62 68.56 79.11 https://arxiv.org/html/2611.21038

La Tabla 6 del artículo ofrece puntuaciones de calidad detalladas en Self-Forcing, con las puntuaciones Quality, Semantic y Total de VBench para el bloque de 5 segundos y seis dimensiones de VBench-Long más una Total Score para vídeos más largos. En el bloque VBench (5s), la Total Score es 81,52 para Self-Forcing, 81,56 para Flow Cache y 68,92 para MotionCache (Slow). Flow Cache iguala en esencia la línea de base Self-Forcing sin acelerar en esta medida, mientras que MotionCache (Slow) pierde una gran parte de la calidad.

La Semantic Score de VBench (5s) es 71,36 para Self-Forcing, 71,64 para Flow Cache y 52,75 para MotionCache (Slow). La Semantic Score sigue un patrón parecido: Flow Cache está en 71,64 frente a 71,36 de Self-Forcing, mientras que MotionCache (Slow) queda mucho más abajo, en 52,75.

Cómo leer las afirmaciones

El artículo afirma que ScoutCache mejora de forma consistente la calidad de generación a la vez que acelera la generación. Es una afirmación de los autores, evaluada en VBench y MovieGen con dos arquitecturas de 1,3B. Como el método no requiere entrenamiento, quien use cualquiera de los dos checkpoints podría, en principio, probarlo sin reentrenar, y las cifras de velocidad anteriores indican el rango que merece la pena comprobar con sus propios clips. Las líneas de base de la Tabla 6 muestran por qué la calidad debe informarse junto a la velocidad: la diferencia entre Self-Forcing y MotionCache (Slow) es mucho mayor que la existente entre Self-Forcing y Flow Cache.

Cómo lo hemos hecho

Resultados publicados

Tabla 6 del artículo: puntuaciones detalladas de calidad de vídeo en Self-Forcing

Filas de la Tabla 6 del artículo (HTML de arXiv), copiadas celda por celda por nuestro código. Son cifras de los propios autores, no una prueba independiente. La primera columna es el bloque de la fila. De 11 columnas se muestran 5: las de cifras citadas o medidas nombradas. Ocultas: Tea Cache, MotionCache (Fast) y 4 más. Filas: 10 de 24, las citadas o nombradas y las de MovieGen (120s), condición del resultado principal. De sus 4 bloques, no se muestran: MovieGen (30s) (7 filas) y MovieGen (60s) (7 filas).

arXiv

Fuentes

Las fuentes a partir de las que se escribió este artículo. Los enlaces abren la página original.

  1. arXivScoutCache: Efficient Few-Step Autoregressive Video Diffusion via Conditional Readout and Selective Cachingarxiv.orgFuente primaria · consultada el 18 de noviembre de 2026
  2. arXivScoutCache: Efficient Few-Step Autoregressive Video Diffusion via Conditional Readout and Selective Cachingarxiv.orgFuente primaria · consultada el 18 de noviembre de 2026
  • video diffusion
  • autoregressive
  • kv cache
  • self forcing
  • longlive
  • vbench