効率的なビデオ拡散モデル：進歩と課題
arXiv cs.CV / 2026/4/20
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- ビデオ拡散モデルは高品質な生成ビデオ合成の主流になりつつある一方で、実際の展開は非常に高い推論コストによって制約されています。
- このサーベイは、画像生成よりもビデオが難しい理由として、空間・時間方向のトークン増加と反復的なノイズ除去により計算量が膨らみ、注意機構とメモリ転送が主要なボトルネックになる点を説明しています。
- 著者らは、効率化手法を「ステップ蒸留」「効率的アテンション」「モデル圧縮」「キャッシュ／軌跡最適化」の4つのパラダイムに整理する統一的な分類（タクソノミー）を提案しています。
- 各パラダイムが「関数評価回数の削減」または「1ステップあたりのオーバーヘッド最小化」をどう狙うかを分析し、複合的な加速下での品質維持やハードウェア・ソフトウェア共同設計といった未解決課題も論じています。
- 今後の方向性として、堅牢なリアルタイム長期生成や、標準化された評価のためのオープンなインフラ整備を挙げ、研究の比較可能性と普及を後押しする必要があるとしています。
