# 추가 학습 없이 확산 모델 추론 속도 높이는 CacheScope

> 새로운 CacheScope 기법은 이미지 품질 저하를 줄이면서 추론 시간을 최대 3.5배 단축하며, FLUX.1-dev, Wan2.1-T2V-1.3B, Open‑Sora 1.2에서 작동합니다.

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

Qinhan Lyu가 이끄는 연구진은 확산 모델 추론 중 전체 디노이징 연산을 수행할 시점과 캐시된 근사값을 재사용할 시점을 결정하는 기법인 CacheScope를 선보였습니다. 추가 학습이나 그래디언트, 별도의 네트워크가 필요하지 않습니다. 널리 쓰이는 확산 모델 3종에서 기존 프로브 기반 최강 기법과 비교해 생성 속도를 최대 3.57배 높이고, LPIPS 오차 중앙값을 최대 70.1% 낮췄습니다.

## 팩트

- 논문은 2026-10-12 arXiv에 공개됐습니다.
- 테스트한 모델에서 최대 3.57배 속도 향상과 LPIPS 오차 70.1% 감소를 기록했습니다.

## 왜 중요한가

개발자는 추가 학습에 자원을 들이지 않고도 더 빠르고 충실도 높은 이미지를 생성할 수 있습니다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-12