Gli autori di ScoutCache, un articolo su arXiv, affermano che il loro metodo senza training accelera la diffusione video autoregressiva a pochi passi fino a 2,28× su Self-Forcing e 1,86× su LongLive, migliorando al contempo la qualità di generazione (arXiv). Secondo l’articolo, ciò avviene senza modificare i parametri del modello preaddestrato, quindi i checkpoint esistenti possono essere accelerati così come sono. Tutte le cifre riportate di seguito provengono dagli esperimenti degli autori, non da un test indipendente.
Che cosa fa il metodo
ScoutCache è descritto come un framework che ottimizza congiuntamente il denoising, la lettura della KV storica e la costruzione della cache. Nella configurazione dell’articolo, la cache storica contiene quattro regioni di frame: il primo frame latente del video come ancora fissa e i tre frame del blocco precedente (arXiv). Tra i baseline, FlowCache e Forcing-KV comprimono o sfoltiscono già le cache KV storiche, mentre ScoutCache combina denoising, lettura della KV storica e costruzione della cache in un unico framework.
Gli autori lo valutano sui checkpoint da 1,3B di Self-Forcing e LongLive, rilasciati pubblicamente. Un componente, il Conditional Denoising Readout (CDR), è misurato separatamente: secondo l’articolo riduce l’errore di aggiornamento normalizzato da 1,000, senza aggiornamento, a 0,596.
Accelerazioni in base alla durata del video
Su Self-Forcing, l’articolo riporta un’accelerazione di 1,60× su VBench e di 2,19×, 2,25× e 2,28× su MovieGen rispettivamente a 30, 60 e 120 secondi. Il 2,28× principale corrisponde quindi all’impostazione MovieGen più lunga, a 120 secondi. L’articolo attribuisce l’aumento dell’accelerazione con la durata del video alla riduzione del peso relativo della calibrazione iniziale.
La cifra di 1,86× appartiene a LongLive, un backbone distinto. Gli operatori dovrebbero leggere i due massimi come risultati di modelli diversi, non come un unico numero per l’intero metodo.
I punteggi di qualità nella Tabella 6
| Blocco della tabella | Metrica | Self- Forcing | Flow Cache | MotionCache (Slow) | ScoutCache | Pagina della fonte |
|---|---|---|---|---|---|---|
| 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 Tabella 6 dell’articolo fornisce punteggi di qualità dettagliati su Self-Forcing, con i punteggi VBench Quality, Semantic e Total per il blocco da 5 secondi e sei dimensioni VBench-Long più un Total Score per i video più lunghi. Nel blocco VBench (5s), il Total Score è 81,52 per Self-Forcing, 81,56 per Flow Cache e 68,92 per MotionCache (Slow). Flow Cache eguaglia sostanzialmente il baseline Self-Forcing non accelerato su questa misura, mentre MotionCache (Slow) perde una larga quota di qualità.
Il Semantic Score di VBench (5s) è 71,36 per Self-Forcing, 71,64 per Flow Cache e 52,75 per MotionCache (Slow). Il Semantic Score segue un andamento simile: Flow Cache è a 71,64 contro il 71,36 di Self-Forcing, mentre MotionCache (Slow) è molto più basso, a 52,75.
Come leggere le dichiarazioni
L’articolo afferma che ScoutCache migliora in modo costante la qualità di generazione accelerando al contempo la generazione. È un’affermazione degli autori, valutata su VBench e MovieGen con due backbone da 1,3B. Poiché il metodo non richiede training, chi usa uno dei due checkpoint potrebbe in linea di principio provarlo senza riaddestrare, e le cifre di velocità sopra indicano l’intervallo da verificare sui propri clip. I baseline della Tabella 6 mostrano perché la qualità vada riportata accanto alla velocità: il divario tra Self-Forcing e MotionCache (Slow) è molto maggiore di quello tra Self-Forcing e Flow Cache.
Come l'abbiamo costruito
Risultati pubblicatiTabella 6 dell'articolo: punteggi dettagliati di qualità video su Self-Forcing
Righe della Tabella 6 dell'articolo (versione HTML su arXiv), copiate cella per cella dal nostro codice. Cifre degli autori, non un test indipendente. La prima colonna indica il blocco della tabella. Su 11 colonne ne sono mostrate 5: quelle con una cifra citata nell'articolo o una misura da esso nominata. Non mostrate: Tea Cache, MotionCache (Fast) e altre 4. Righe: 10 su 24, quelle con valore citato o nominato dall'articolo più quelle di MovieGen (120s), condizione del risultato principale. Dei 4 blocchi non sono mostrati: MovieGen (30s) (7 righe), MovieGen (60s) (7 righe).
Fonti
Le fonti da cui è stato scritto questo articolo. I link aprono la pagina originale.



