IT时报记者 郝俊慧
日前，欧洲计算机视觉顶级会议ECCV 2026公布结果，阿里云与上海交通大学张林峰教授团队有3篇合作论文被主会收录。
ECCV与CVPR、ICCV并称计算机视觉领域三大国际顶级会议，目标检测、图像分割、视觉Transformer等多项影响行业格局的核心技术，均首次亮相于该会议。
作者声明：该图片由AI生成
据了解，三篇入选论文的研究方向均聚焦Diffusion Transformer（DiT）架构下的高效推理加速，涵盖时序误差校正、自适应特征分解、时空令牌筛选三条技术路线。
作为当前主流视觉生成模型的通用架构，DiT广泛应用于文生图、文生视频、图像编辑等领域，但推理成本高、生成耗时长的问题日益突出，被业界视为AIGC规模化落地的主要瓶颈之一。
论文成果显示，在高分辨率图片生成场景下，可将算力需求减少近90%，综合提速最高14.76倍。
第一篇论文《Accelerating Diffusion Transformers with Gaussian Process Rectified Feature Cache（基于高斯过程校正特征缓存的加速扩散变换器）》聚焦时序缓存误差校正。
通常情况下，DiT生成一张图要跑几十至上百步“去噪”或“预测”未来帧，业界常用“特征缓存”跳步复用，但预测偏差也会滚雪球式放大。
研究团队发现，缓存残差在局部严格服从零均值高斯分布，如果据此用高斯过程回归搭建轻量级校正模块，可以利用数学公式提前“算”出未来几步的大致方向，无缝挂载至主流时序缓存算法之后，相当于用高阶数学近似替代了部分重复的神经网络计算。
数据显示，与TaylorSeer结合后，在Qwen-Image上把计算量再降19.3%的同时，PSNR（峰值信噪比）提升0.9dB，LPIPS（学习感知图像块相似度）从0.65降至0.29，实现更快且更清晰的生成效果，破解了长区间预测漂移难题，确保模型在“长跑”过程中始终沿着正确的数学梯度前进，不会因为步子迈得大而“跑偏”。
对比不同基线缓存方法与GP-Refiner结合前后生成图像的视觉效果。
如果说第一篇论文解决的是“长跑跑偏”的问题，那么第二篇论文《LinCa: Accelerating Diffusion Models via Learnable Decomposed Feature Caching（LinCa：通过可学习的分解特征缓存）》解决的是“不同通道资源分配不合理”的问题。
论文中提出的基于可学习可逆网络的特征缓存框架LinCa，首次系统性发现扩散特征演化的异质性同时存在于跨模型、跨去噪阶段、跨特征维度三个层面。
此前所有加速方法（包括传统的Cache）都默认“特征就是一堆数字”，统一处理。但LinCa通过实验首次证明，同一张特征图里，不同通道（Channel）的“性格”截然不同。
LinCa将原始特征沿通道维度分解为不同“性格”的子分量，对于“高铁型”子分量（连续性强的）：采用高阶预测器外推——根据前三步的轨迹，直接“算出”未来几步的位置，跳过计算环节，几乎零成本；对于“赛车型”子分量（突变强的）：因为预测不准，强行预测会翻车，所以直接复用（Caching）上一时刻的特征。
测试中，FLUX.1-dev实现5.51倍加速，Qwen-Image达6.95倍，HunyuanVideo视频模型实现5.50倍加速，画质指标全面领先主流方案。
在Qwen-Image-Edit上，LinCa表现出更优的提示理解能力，并生成高保真图像，同时保持未编辑区域的一致性。
在动态分辨率是高分辨率DiT推理的核心加速方向之一，但传统方案在分辨率切换时会统一上采样全部隐式令牌，导致大量背景、低语义区域产生冗余计算；现有局部上采样方法多依赖边缘、纹理等底层视觉特征，难以匹配文本语义与编辑指令的需求，容易造成关键区域细节缺失。
阿里云和交大合作的第三篇论文《AViTS: Adaptive Spatiotemporal Token Selection for Efficient DiTs with Dynamic Resolution（AViTS：面向动态分辨率的高效DiTs自适应时空令牌选择）》提出了时空动态令牌筛选框架AViTS，通过“低分辨率打底—选择性上采样—全分辨率精修”三阶段生成流程，砍掉背景与低语义区域的冗余算力。
简单理解，就是在图像编辑（如换脸、换背景）任务中，AViTS可以只对编辑区域做超高分辨率计算，背景完全不参与复杂迭代，这对AIGC应用产品的实时交互体验是革命性的。而且该方法完全在推理阶段执行，无需重新训练，且与特征缓存、模型蒸馏、量化等加速技术完全正交，这意味着它们是“乘法效应”而非“加法效应”：实验数据显示，AViTS在FLUX模型上最高实现6.34倍推理加速，编辑场景算力需求减少近90%；叠加步骤蒸馏后，综合提速最高可达14.76倍。
AViTS 整体架构：包含时空重要度计算模块与三级分辨率递进调度流程
据了解，上述3项技术已完整集成至阿里云自研的WuYingDiT推理加速引擎，并全量落地至无影灵构一站式AIGC创研平台，服务游戏美术、电商设计、影视制作、新媒体等行业客户，原生适配FLUX、Qwen、混元视频等主流生成基座，客户无需改造现有工作流即可一键启用。
阿里云方面表示，未来将持续在端侧生成式AI前沿技术方向开展研究，把真实业务场景中的技术难题与学术研究相结合，持续迭代WuYingDiT加速引擎，进一步降低端侧、边缘场景高保真生成式AI的应用门槛。