评分 6.7 · 来源：arXiv · 发布于 2026-03-23
评分依据：视频世界模型推理成本极高，2.3 倍加速且 99.4% 画质保持有实际部署价值
要点
WorldCache 提出一种专为视频世界模型设计的内容感知缓存机制。视频生成模型的推理成本远高于图像模型（每帧都需要大量计算），WorldCache 通过识别视频中时间一致的区域（如静态背景、缓慢变化的天空），智能缓存这些区域的中间计算结果，避免逐帧重复计算。在 Cosmos-Predict2.5-2B 模型上实现 2.3 倍推理加速，同时保持 99.4% 的生成质量（FVD 指标）。
🤖 AI 点评
视频世界模型（如 Sora、Kling、Cosmos）的最大瓶颈始终是推理成本，动辄数十秒生成一个短视频。WorldCache 的思路很务实——不是从算法层面提升质量，而是从工程层面降低成本。99.4% 的质量保持率意味着在实际使用中几乎不可感知差异。这种方法的优势在于与具体模型架构解耦，理论上可以适配任何基于 autoregressive 或扩散架构的视频模型。