动态少步：统一动态计算和少步 蒸馏 以实现高效视频生成

视频扩散模型 (VDM) 已展现出卓越的生成质量，但计算成本却过高。虽然最近的几个步骤 蒸馏 技术显着加速了推理，但它们通常在所有降噪阶段强制执行静态模型架构，忽略了不同噪声水平固有的不同计算需求。在这项工作中，我们提出了一种新颖的 后训练 加速框架，该框架通过将动态结构稀疏化直接集成到 蒸馏 过程中来利用这种冗余。与应用于固定扩散管道的传统事后压缩不同，我们的方法联合优化了去噪步骤和结构化模型稀疏性，将预训练的 VDM 转换为紧凑的、特定于步骤的模型混合 (MoM)。为了解决联合优化带来的训练不稳定问题，我们引入了渐进训练策略和输出轨迹展开机制，确保跨时间步长的结构决策的连贯学习。此外，我们开发了一个专门的推理引擎来有效地部署生成的 MoM。我们的方法与现有的加速技术正交并且非常有效：在 Wan-14B 上，它在 4 步 蒸馏 的基础上消除了 24% 的每步 FLOP，增加了 1.2 倍的挂钟增益，比 50 步教师实现了 30 倍的加速，同时保持了有竞争力的生成质量。