Onderzoekers hebben een nieuwe techniek ontwikkeld die twee dominante maar tegengestelde benaderingen voor het versnellen van videogeneratie met diffusiemodellen samenbrengt. De methode, genaamd DUET, voegt de sterke punten van twee distillatieparadigma's samen om zowel de kwaliteit als de diversiteit van gegenereerde video's te verbeteren, terwijl het aantal benodigde rekenstappen tot twee wordt beperkt.
Het onderzoek, uitgevoerd door een team onder leiding van Zian Li en acht andere auteurs, werd op 10 augustus 2026 ingediend bij arXiv en richt zich op een fundamenteel knelpunt in de huidige videogeneratie: de hoge kosten van het iteratieve denoising-proces in diffusiemodellen. De oplossing wordt gezocht in 'distillatie', een techniek die het oorspronkelijke model comprimeert tot minder stappen. arxiv.org
Drie verschillende distillatiemethoden worden in de computer vision-literatuur onderscheiden: trajectory-level distillatie (zoals sCM) die de voorkeur geeft aan diversiteit van de output, en distribution-level distillatie (zoals DMD) die juist voor kwaliteit kiest. Bij het terugbrengen naar slechts twee stappen, raken deze twee eigenschappen elkaar: de ene methode scoort beter op variët, de andere op detail.
Samenspel tussen twee experts
DUET breekt met de gebruikelijke aanpak om slechts een van beide strategieën te kiezen of een compromis te zoeken op verliesniveau. In plaats daarvan creëert de methode een 'duet van experts' op basis van het ruisniveau. In de eerste fase, gekenmerkt door hoge ruis, krijgt een sCM-expert de taak om een diverse structuur op te zetten. De DMD-expert, die in de fase met lage ruis operateert, is vervolgens verantwoordelijk voor het verfijnen van de materiaal- en detailweergave.
Door de experts apart te trainen met hun eigen optimalisatiedoelen, vermijden de onderzoekers de optimalisatieproblemen die gepaard gaan met combinaties van verliesfuncties. De resultaten tonen een synergie die volgens het team zowel de diversiteit als de kwaliteit systematisch verhoogt, in plaats van de een voor de ander op te geven.
Verbeteringen met DUET+
Een uitvoering met het Wan2.1-T2V-1.3B-basismodel laat zien dat DUET in staat is om de kwaliteit van tweestapsgeneratie van het type sCM naar hetzelfde niveau als DMD te tillen, zonder een aanzienlijk verlies aan diversiteit. De onderzoeksgroep rapporteert een wederzijdse diversiteit die ongeveer tweemaal zo hoog is als bij DMD. github.com
Om de overgebleven knel van relaiswerk en de functie in de hoog-rouge fase aan te pakken, introduceerde het team DUET+ , een variant waarbij de experts met aanpak van reinforcement learning verder worden gefinetuned. Ook deze variant behoudt de diversiteitsvoorsprong van DUET en verbetert de algehele prestaties.
De experts noemen het "noise-level expert specialization" als het onderliggende ontwerpkenmerk, en bestempelen het als een eenvoudige maar krachtige methode om de spanning tussen kwaliteit en diversiteit op te heffen in tweestapsgeneratie.
Andere distillatiemethoden in opkomst
De ontwikkelingen PUET passen in een bredere trend. Andere recente onderzoeken, zoals Data-Forcing Distillation (DFD) , bieden alternatieven voor simultaan behoud van diversiteit en getrouwheid in videogeneratie met weinig stappen. arxiv.org Ondertussen is er een groeiende behoefte onder ontwikkelaars aan overzicht van de betrouwbare versnellingstechnieken voor DiT-modellen, zoals blijkt uit nieuw samengestelde github-repositories. github.com
Ook op tekst-naar-beeld gebied worden solide stappen gezet in de distillatie, maar met structurele vallen op het gebied van diepe diversiteit bij zeer dichtbije stappen. arxiv.org (ingediend in april 2026) braken met de vaste stapindeling en introduceert fracttionele-stap generatie effectief, bereikenuntariverkende versnelling tot 33x en beter, maar werken op een andere manier dan de discriminatie in DUET.
De aanpak van DUET is nadrukkelijk ontworpen om de beperking van een numerieke tijd een weg te nemen en een zuiverdere, systematische afrem toe te staan in de omvakkige video productie. De Paper concludeert dat methode van specialisatie op runiv een eenvoudig en inzetner model kan zijn voor synthese die practicabel wordt.
Slot
Met DUET en DUET+ tonen de onderzoekers aan dat gespecialiseerde expertmodellen de schijnbare tegenstelling tussen diversiteit en kwaliteit in videogeneratie kunnen doorbreken. De eenvoud van het concept — elk model zijn eigen ruisfase laten beheren — maakt de aanpak direct toepasbaar voor verdere verfijning. Wie de code wil bekijken of zelf wil experimenteren, vindt de implementatie terug op GitHub.