Diffusion约2倍无损加速！训练-推理协同的缓存学习框架来了｜ HKUST&北航&商汤

面对扩散模型推理速度慢、成本高的问题，HKUST&北航&商汤提出了全新缓存加速方案——HarmoniCa：训练-推理协同的特征缓存加速框架，突破DiT架构在部署端的速度瓶颈，成功实现高性能无损加速。

△HarmoniCa整体压缩框架

由于现有指标并不能完全反映图像效果优劣，因此该团队研究人员提供了大量可视化效果对比图，更多对比请看原论文。

△HarmoniCa整体压缩框架

该工作已被ICML 2025接收为Poster，并开源项目代码。

Diffusion 加速难在哪？

Diffusion Transformer（DiT）作为高分辨率图像生成主力架构，在推理阶段仍面临「重复计算多」「耗时严重」的现实瓶颈。例如，使用PIXART-α生成一张2048×2048图像即需14秒，严重影响落地效率。

近期「特征缓存（Feature Caching）」成为加速新思路，但已有方法普遍存在两大关键问题：

前序时间步无感知：训练阶段忽略缓存历史，推理时则高度依赖先前结果，二者逻辑断裂；

训练目标错位：训练对准中间噪声误差，推理关注最终图像质量，优化方向南辕北辙；

这两大错配，导致已有缓存学习方法加速有限、图像失真明显。缓存机制的基本工作原理如下：

△缓存机制

HarmoniCa缓存学习框架

一句话总结：目标一致、路径同步，训练与推理真正协同优化

该工作提出的HarmoniCa框架通过两个关键机制，从根本上解决了以往学习型特征缓存方法中的训练-推理脱节问题：

一、Step-Wise Denoising Training（SDT）

逐步去噪训练，模拟推理全流程，误差不再层层积累。

传统方法在训练时仅采样某个时间步，缓存是空的，完全跳过了“历史缓存影响”，而推理时，缓存是从头累积的，训练和推理根本不是一回事。

进而该工作提出 SDT 来打破这一不一致：

1）构建完整的 T 步去噪过程，与推理一致；

2）教师-学生结构：学生使用缓存进行去噪，教师不使用缓存作为“理想输出”；

3）每一时间步的Router都被独立更新，显式对齐多轮缓存路径下的输出误差；

4）学生模型每步将自己的输出作为下一个输入，使得误差传播机制贴近真实推理轨迹。

效果：SDT显著降低了时间步间误差积累，提升最终图像清晰度与稳定性。

△SDT 有效抑制误差蔓延（红色为旧方法，蓝色为 SDT）

二、Image Error Proxy Objective（IEPO）

一句话总结：不是“中间好”，而是“最后图像好”，优化目标就是结果本身。

以往方法训练时只对齐每一步的噪声误差，而推理的目标是最终图像质量，两者目标严重错配，导致缓存Router学出来“看似合理”但效果很差。

该工作提出 IEPO 机制，核心思想是：

通过代理项 λ(t) 来估算“使用缓存 vs 不使用缓存”在时间步 t 对最终图像 x₀ 的影响；

越关键的时间步，其 λ(t) 越大，引导 Router 减少该步缓存复用，保留精度；

每隔若干轮重新生成一批图像，动态更新 λ(t)，保证目标始终贴合训练状态。

IEPO 的优化目标为：

即在“图像质量”与“加速率”之间实现可控权衡。

实验结果

该工作在两个典型任务场景中验证了HarmoniCa的有效性：

• 分类条件生成（DiT-XL/2@ImageNet）

• 文本生成图像（PIXART-α@COCO，多分辨率）

对比方法包括当前最佳的缓存学习方法 Learning-to-Cache (LTC)、启发式缓存方法 FORA / ∆-DiT，以及多种加速器设置（DDIM 步数缩减、量化剪枝等）。

分类条件生成（DiT-XL/2 256×256）

重点结论：

• 在高压缩率场景（10步推理）下，HarmoniCa保持图像质量优势，FID比LTC更低、IS更高

• 同时达成更高缓存利用率，提升 实际加速效果

文本生成图像（PIXART-α 256×256）

重点结论：

• 即使在2K高分辨率下，HarmoniCa仍保持1.69×实际加速

• 在CLIP语义匹配、FID等主流指标上均超过FORA

量化/剪枝VS HarmoniCa

除了与主流缓存方法的对比，该工作也评估了HarmoniCa相比剪枝和量化等压缩技术的表现。在统一的 20 步采样设置下，传统方案如 PTQ4DiT、EfficientDM等虽然模型更小，但实际加速依赖硬件支持，特别是一些定制CUDA内核在H800等新架构上表现并不稳定。更重要的是，量化模型在小步数采样时往往精度下降严重，PTQ4DiT就出现了明显的性能下滑。而HarmoniCa不依赖底层魔改，无需专用硬件，在各种主流采样器和设备上都能稳定提速，保持图像质量，是当前更通用、更稳妥的部署选择。

△与量化/剪枝方法的比较

与量化结合

该工作还验证了HarmoniCa与模型量化技术的高度兼容性。在 PIXART-α 256×256 场景下，将HarmoniCa应用于4bit量化模型（EfficientDM），推理速度从1.18×提升至1.85×，FID仅略增0.12，几乎无感知差异。说明HarmoniCa不仅可独立提速，也能作为“加速插件”叠加于量化模型之上，进一步释放性能潜力。未来，该工作也计划探索其与剪枝、蒸馏等技术的组合能力，为DiT模型的轻量部署开辟更多可能。

△HarmoniCa和量化方法的组合

开销分析

除了推理提速和质量提升，HarmoniCa 在训练与推理开销上也展现出极强优势，是真正能用、敢用、易部署的工业级方案。

△训练开销对比

训练侧：

HarmoniCa 采用无需图像的训练策略，仅基于模型和噪声即可完成优化，不依赖任何额外数据。在同等训练轮次下，其训练时间比主流方案 LTC 缩短约 25%，显存占用相近，可在单卡稳定运行，适合闭源模型加速和快速迭代。

推理侧：

推理端新增 Router 极其轻量，参数仅占 0.03%，计算开销低于总 FLOPs 的 0.001%，几乎不影响吞吐。配合特征缓存，HarmoniCa 在 PIXART-α 上可实现理论加速比2.07×、实测加速1.69×，具备优越的部署效率与工程可行性。

总结：缓存加速的新范式，训练推理协同才是正解！

当前Diffusion加速路径中，缓存机制正逐渐成为主流方案，但传统做法要么依赖手工规则、要么训练目标错位，无法在真实部署中兼顾性能、效率、适应性。

该工作提出的HarmoniCa框架，首次通过：

• SDT——真实模拟推理轨迹，让缓存行为“可训练”；

• IEPO——从结果出发优化目标，兼顾图像质量与加速比；

• 无图像训练/多模型适配/高分辨率通用，让部署更轻松；

在PIXART、DiT、LFM等多个模型上，HarmoniCa都实现了更快的推理、更高的质量、更低的训练门槛，为缓存加速技术注入“可落地”的关键支撑。

论文地址：https://arxiv.org/abs/2410.01723

代码地址：https://github.com/ModelTC/HarmoniCa

文章来自于微信公众号“量子位”。