공유 저랭크 캐시(low-rank cache)를 활용하여 자기회귀적(autoregressive) 비디오 확산 모델의 메모리 사용량(memory footprint)을 10분의 9 이상 절감하면서도 임의로 긴 길이의 결과물(rollouts) 생성이 가능해졌습니다.

이러한 기여가 있기 전에는 스트리밍 비디오 확산 모델이 시간적 창(temporal window)에 따라 선형적으로 증가하는 헤드별 키-값 캐시(per-head key-value cache)에 의존했기 때문에, 연구자들은 비디오 길이를 제한하거나 엄청나게 큰 GPU를 갖추도록 강요받았습니다.

VideoMLA는 토큰당 KV 캐시 메모리를 92.7% 줄이면서도 표준 청크 기반 인과적 생성(chunk-causal generation)과의 호환성을 유지합니다. 이 논문은 이러한 압축 방식이 시각적 충실도(visual fidelity)를 저해하지 않음을 보여줍니다. VBench에서 해당 방법은 짧은 범위의 기준 모델(short-horizon baselines)에 필적할 뿐만 아니라 가장 긴 범위(long-horizon)에서도 최고 점수를 기록했습니다. 또한, 표 3에서는 청크별 자기회귀 모델 중 가장 높은 처리량(throughput)과 낮은 지연 시간(latency)을 보고했으며, 이는 단일 B200에서 1.23배의 속도 향상으로 이어집니다 [[1]].

Echo-Infinity는 최고 수준의 성능을 달성했으며, 알려진 한도 내에서 최초로 24시간(130만 프레임 이상)에 달하는 실시간 결과물 생성(real-time rollouts)이 가능함을 입증하여, 무한 비디오 생성을 위한 실용적인 경로를 제시합니다. 실제 시스템은 단일 NVIDIA H100에서 18.5 FPS로 작동하며, 메모리 사용량이 없는 기준 모델과 비교했을 때 오직 10.6%의 처리량 오버헤드만을 발생시켜, 상수 비용(constant-cost)의 진화하는 메모리가 자원 사용량을 폭발시키지 않으면서 일 단위 규모의 생성을 유지할 수 있음을 증명했습니다 [[2]].

이러한 결과들은 몇 가지 질문을 남깁니다. VideoMLA는 잠재 차원(latent dimension)을 수동으로 선택해야 하며, 병목 랭크(bottleneck rank)가 평가된 데이터셋에는 충분해 보이지만, 이 접근 방식이 더 높은 해상도나 다중 모드 스트림에 어떻게 확장되는지는 불분명합니다. Echo-Infinity의 학습 가능한 메모리(learnable memory)는 백만 프레임까지 효과적이지만, 매우 긴 범위의 서사적 일관성(long-range narrative coherence)을 요구하는 콘텐츠로 충분히 테스트되지 않았으며, 통합된 RoPE 레시피(unified RoPE recipe) 역시 보지 못한 모션 역학(unseen motion dynamics)에서는 외삽 한계에 부딪힐 수 있습니다.

만약 결합된 시스템이 보고된 수치에 부합한다면, 개발자들은 장시간 비디오 생성을 위해 GPU 메모리를 과도하게 할당하는 관행을 포기할 수 있습니다. 이전에 몇 초로 제한되었던 벤치마크는 VideoMLA 및 Echo-Infinity 리포지토리에 포함된 분 단위(minute-scale) 설정으로 재실행되어야 하며, 프로덕션 파이프라인은 하드웨어 스택을 재설계하지 않고도 단일 H100에서 시간 또는 일 단위 출력을 목표로 할 수 있습니다.

참고 자료

1. VideoMLA: 분 단위 자가회귀 비디오 확산을 위한 저랭크 잠재 KV 캐시
2. Echo-Infinity: 실시간 무한 비디오 생성을 위한 진화하는 메모리 학습