OTCache：扩散模型中几何感知缓存的最佳传输

我们提出了 OTCache，一个 无需训练 框架，用于通过缓存调度预测来加速扩散采样。现有的基于图的缓存方法通过优化最短路径目标来减少冗余计算，但依赖于附加独立性假设，该假设通常在低 NFE 状态下崩溃。为了解决这个问题，受最佳传输 (OT) 的启发，OTCache 将跨推理预算的缓存计划建模为策略空间的平滑演变。该框架由三个阶段组成：（1）在保守的预算下使用基于图的缓存方法获得高保真\textbf{参考时间表}； （2）通过Optuna优化以端到端感知目标在极低预算设置下执行轻量级锚点搜索； (3) 使用连续扭曲表示，通过参考政策和锚定政策之间的分位数插值来预测目标预算的时间表。在 FLUX.1 [dev]、Qwen-Image 和 HunyuanVideo 上进行的实验表明，OTCache 分别实现了 4.5 倍、4.7 倍和 3.66 倍的加速，同时在最先进的缓存基线上持续提高生成保真度。这项工作为通过最佳运输启发的时间表建模加速扩散模型提供了新的视角。代码：https://github.com/UnicomAI/OTCache