[논문리뷰] Consistent Distribution Matching for Data-Free Diffusion Distillation본 논문은 확산 모델 및 Flow 모델의 높은 추론 비용을 해결하기 위한 데이터 독립적(Data-Free)인 효율적 증류 프레임워크를 제안합니다. 기존 증류 방법들은 외부 데이터셋에 의존하거나, Teacher 모델의 역방향 시뮬레이션에 의존하여 계산 복잡도가 높고 학습 파이프라인이 비대효율적이라는 한계가 있습니다 .#Review#Diffusion Distillation#Flow Matching#Data-Free#Consistent Distribution Matching#NFE#Generative Modeling2026년 10월 18일댓글 수 로딩 중
[논문리뷰] Glance Forcing: Making Bidirectional Diffusion Autoregressive at a Glance본 논문은 오토레그레시브(AR) 비디오 확산 모델을 위한 기존의 Consistency Distillation 파이프라인이 과도한 계산 비용을 요구하는 문제를 해결하고자 합니다. 기존 방식은 수천 개의 PF-ODE 궤적을 오프라인에서 수집해야 하므로 거대한 전처리 병목을 야기합니다 .#Review#Autoregressive Video Generation#Diffusion Distillation#Consistency Distillation#Phase-aware Distillation#LoRA#PF-ODE#VBench2026년 10월 14일댓글 수 로딩 중
[논문리뷰] FlashVSR+: Efficient Video Super-Resolution via Hybrid Attention and Reward-Yield Distribution Matching본 논문은 Video Super-Resolution (VSR) 분야에서 One-step Generative Model의 효율성과 Human Preference Alignment이라는 두 가지 핵심 Bottleneck을 해결하고자 합니다.#Review#Video Super-Resolution#Hybrid Attention#Reward-Yield Distribution Matching#Diffusion Distillation#4K Inference#Human Preference2026년 10월 13일댓글 수 로딩 중
[논문리뷰] Causal-rCM: A Unified Teacher-Forcing and Self-Forcing Open Recipe for Autoregressive Diffusion Distillation in Streaming Video Generation and Interactive World Models본 논문은 Autoregressive(AR) 비디오 확산 모델의 학습 효율성과 추론 품질 간의 불균형을 해결하기 위해 Causal-rCM을 제안한다.#Review#Autoregressive Diffusion#Diffusion Distillation#Teacher-Forcing#Self-Forcing#Consistency Models#Streaming Video Generation#Interactive World Models2026년 6월 24일댓글 수 로딩 중
[논문리뷰] Causal Forcing++: Scalable Few-Step Autoregressive Diffusion Distillation for Real-Time Interactive Video Generation본 논문은 실시간 인터랙티브 비디오 생성을 위해 Frame-wise 수준의 초저지연 1–2 step 생성 체계로 확장이 필요함을 정의합니다 . 기존의 연구들은 주로 Chunk-wise 4-step 방식을 채택하여 실시간성 확보에 한계가 있었으며, 적절한 Few-step AR 학생 모델 초기화가 병목 현상으로 작용합니다.#Review#Autoregressive Diffusion#Diffusion Distillation#Real-time Video Generation#Causal Consistency Distillation#Few-Step Inference#World Models2026년 5월 14일댓글 수 로딩 중
[논문리뷰] OmniForcing: Unleashing Real-time Joint Audio-Visual Generation최근 LTX-2 와 Veo 3 와 같은 Joint Audio-Visual Diffusion Model들은 탁월한 Generation Quality를 보여주지만, Bidirectional Attention Dependency로 인해 높은 Latency를 겪어 Real-time Application에 적용하기 어렵습니다.#Review#Streaming Audio-Visual Generation#Diffusion Distillation#Autoregressive Video Synthesis#Multi-modal AI2026년 3월 15일댓글 수 로딩 중
[논문리뷰] Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency본 논문은 연속 시간 일관성 증류 (sCM) 를 대규모 텍스트-투-이미지 (T2I) 및 텍스트-투-비디오 (T2V) 확산 모델에 적용할 때 발생하는 한계점을 해결하는 것을 목표로 합니다.#Review#Diffusion Distillation#Consistency Models#Score Regularization#Large-Scale Generative Models#Text-to-Image#Text-to-Video#Model Acceleration#JVP2025년 10월 10일댓글 수 로딩 중
[논문리뷰] Hyper-Bagel: A Unified Acceleration Framework for Multimodal Understanding and Generation통합 멀티모달 모델에서 확산 디노이징과 자기회귀 디코딩의 반복적인 프로세스로 발생하는 상당한 계산 오버헤드 를 해결하는 것이 주 목표입니다. Hyper-Bagel 이라는 통합 가속 프레임워크를 제안하여 멀티모달 이해 및 생성 작업을 동시에 가속화하면서 원본 모델의 고품질 출력을 유지하고자 합니다.#Review#Multimodal AI#Acceleration Framework#Speculative Decoding#Diffusion Distillation#Unified Models#Text-to-Image Generation#Image Editing#Computational Efficiency2025년 9월 24일댓글 수 로딩 중