AI×経営戦略2026年10月17日読了約5分

SoftCache、拡散モデル生成を最大6.9倍高速化

保存

画像・動画の生成AIで、計算結果の再利用量を段階的に調整する新手法SoftCacheが登場した。再学習なしで3.5〜6.9倍に高速化し、画質指標も既存手法を上回る。

研究の概要

画像や動画を生成する拡散モデルや流れ(フロー)モデルは、ノイズから完成像へ至るまで、数十回の反復計算(ステップ)を重ねる。各ステップは巨大なニューラルネットワークの全体計算であり、この部分が生成コストの大半を占める。

この負荷を下げる手法に、再学習を要しない「キャッシュ」がある。直前のステップで得た中間計算結果を保存し、次のステップで再利用する考え方である。従来の動的キャッシュは、ネットワーク入力の変化を軽い計算で測って「古さ」の指標に積算し、閾値を超えた時点で全計算をやり直す。つまり「再計算か再利用か」の二択、いわゆるハードキャッシュである。しかも再利用するステップも、あらかじめ決められた刻み幅で進む。

イスラエルの研究チームは、この指標が二択の判断以上の情報を持つ点に着目した。閾値までの余裕(ヘッドルーム)が、再利用によって生じる誤差を予測できるというのである。

提案手法SoftCacheは、この余裕に応じて再利用ステップの進み幅を変える「ソフトキャッシュ」である。FLUX(画像)、HunyuanVideo、Wan2.1(いずれも動画)で3.5〜6.9倍の高速化を達成し、4つの忠実度指標すべてで全ての比較手法を上回ったと報告している。

しくみをやさしく

登山にたとえると分かりやすい。従来方式は、決められた歩幅で一歩ずつ進み、一定距離ごとに地図で現在地を確認する。確認の合間は、前回の地図を頼りに歩くだけである。

SoftCacheは、前回の確認からの誤差が小さいうちは大股で進み、次の確認が近づくにつれ歩幅を元に戻す。余裕が大きいときは、予定していた複数の地点を一気に飛び越える。その着地点は、予定の格子(スケジュール上の節点)の間に落ちることもある。固定の格子から外れる設計であり、ここが技術上の要点である。

余裕の測定は、従来手法がすでに計算している安価な指標を流用する。新しい計算部品は増えない。また、モデルごとの調整値も不要とされ、バックボーンを替えても設定をやり直さずに使える。

ビジネスへの示唆

生成AIの推論コストは、サービス提供側にとって継続的な固定費に近い。画像・動画の生成は特にGPU時間の消費が大きく、速度改善はそのまま原価と待ち時間に響く。

自分ごととして考えたい業務を挙げる。広告・マーケティング部門では、バナーや商品画像のバリエーション生成、短尺動画の絵コンテ作成が日常的に発生する。EC運営では、商品写真の背景差し替えや季節別ビジュアルの量産がある。制作会社や映像部門では、ラフ動画の確認サイクルが納期を左右する。自部署で生成AIを使う業務は何か、その待ち時間と計算費用を誰がどれだけ負担しているかを確認することが出発点となる。

動く指標は次の通りである。

制作リードタイム、修正の往復回数(マーケティング、制作部門)
1枚・1本あたりの生成原価、GPU稼働率(情報システム、AI基盤部門)
同一予算で試せる案の数(企画・クリエイティブ部門)

画質を保ったまま速度が上がる点が重要である。単純に手順を間引く高速化は品質低下を招きやすく、実務では「速いが使えない」という評価になりがちだった。

現場での導入イメージ

仮に導入支援に入るなら、次の流れを提案する。

棚卸し：画像・動画生成を使う業務を洗い出し、待ち時間、生成回数、計算費用、やり直しの頻度を可視化する。目指す到達点は、「どの業務の速度がボトルネックか」を部署の共通認識にすることである。
差し込み先の設計：新しいツールを増やさず、現在使っている生成基盤(FLUXやWan2.1など)の推論処理にキャッシュ機構を組み込む。本手法は再学習が不要で、モデル別の設定も要らないため、既存環境への追加で済む可能性が高い。目指す到達点は、運用担当者の作業を増やさず、裏側で高速化が効く状態である。
小さく試す(PoC)：一部署、数週間の範囲で、従来設定と並べて生成し、担当デザイナーや編集者が見比べる。評価は数値指標に加え、「実務で使える品質か」という担当者の実感で確かめる。目指す到達点は、現場が許容する速度と画質の組み合わせを見極めることである。
運用と横展開：許容基準を文書化し、品質確認の手順を整えたうえで、他部署や他の生成モデルへ広げる。目指す到達点は、高速化の恩恵が部署を問わず再現できる状態である。

全体として目指すのは、生成AIの待ち時間と計算費用を抑えつつ、現場が試行回数を増やせる制作体制である。