Tencent が DisCa をリリース ── 動画生成の高速化、「学習できるキャッシュ」で品質を死守
動画生成AIって、進化は早いけど計算コストがヤバい。TencentのHunyuanチームが、CVPR 2026採択の論文で面白いアプローチを出してきた。既存の高速化手法同士の「相性の悪さ」を、学習可能な軽量モジュールで解決しようという構想だ。
▸何が変わったのか
初めて「distillation-compatible learnable feature caching」を導入した点が最大のポイント。従来のFeature Cachingは学習なしで高速化できる反面、圧縮を進めると意味やディテールが落ちる問題があった。一方のStep Distillationも、動画生成では数ステップにすると品質が激減。この2つを組み合わせると、サンプリングステップの疎さから品質低下がさらに悪化する。DisCaは軽量なPredictor（DiT全体の4%未満）を敵対的学習で訓練し、高次元特徴の進化過程をより正確に捉える仕組み。さらに「Restricted MeanFlow」という保守的アプローチで、大規模動画モデルでも安定したロスレス蒸留を実現している。
◈前モデル / 競合との比較
従来の学習なしFeature Cachingは手軽だが、圧縮を進めると意味やディテールがドロップする。Step Distillationも動画では劇的な品質低下が発生する。DisCaは学習可能なPredictorを導入し、さらにRestricted MeanFlowで高圧縮蒸留時の安定性を確保。HunyuanVideo1.5-i2vおよびHunyuanVideo1.0-t2vで検証されている。
◈技術背景と意義
動画生成の高速化で定番の「Feature Caching」は、途中計算を再利用してサクサク動かす手法。ただ、再利用しすぎると動画の品質が犠牲になる。もう一つの「Step Distillation」は、少ないステップで生成できるようにモデル自体を圧縮する技術。画像ではうまくいくけど、動画になると途端にボロボロに。DisCaは、この2つの手法の弱点を補い合うように設計された、学習可能なキャッシュ機構。軽量Predictorが賢く特徴量を予測するので、高速化しつつ品質をキープできるというわけ。
◆入手方法・リンク
Hugging Faceでオープンソース公開中。GitHubリポジトリ（Tencent-Hunyuan/DisCa）も利用可能で、HunyuanVideo-1.0のText-to-Video推論スクリプトも提供されている。
SOURCE: Tencent (2026-04-09)
