# CacheScope、追加学習なしで拡散モデルを高速化

> 新手法CacheScopeは、画質の低下を抑えながら推論時間を最大3.5倍短縮。FLUX.1-dev、Wan2.1-T2V-1.3B、Open‑Sora 1.2で利用できる。

Oossa · 2026-10-12 · https://oossa.com/ja/cachescope-speeds-up-diffusion-models-without-extra-training

Qinhan Lyu氏らの研究チームは、拡散モデルの推論時に、完全なノイズ除去計算を行うタイミングと、キャッシュした近似値を再利用するタイミングを判断する手法「CacheScope」を発表した。追加学習や勾配計算、別個のネットワークは不要だ。主要な拡散モデル3種類で、既存のプローブベース手法のうち最も性能の高いものと比べ、生成を最大3.57倍高速化し、LPIPS誤差の中央値を最大70.1%削減した。

## 事実

- 論文は2026-10-12にarXivで公開
- テスト対象モデルで最大3.57倍の高速化、LPIPS誤差を70.1%削減

## なぜ重要か

追加学習にリソースを費やすことなく、開発者は画像をより速く、より高い忠実度で生成できる。

## 出典と参考資料

1. [CacheScope: Exact-Compute Allocation for Training-Free Diffusion Acceleration](https://arxiv.org/abs/2610.12530) – arXiv cs.LG, 2026-10-12

最終更新: 2026-10-12