File size: 2,338 Bytes
153dd42 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 | # MotionDetailCache on MAGI-1 (dev4-detail)
基于 [FlowCache4MAGI-1-dev3-motion](../FlowCache4MAGI-1-dev3-motion) 的扩展分支，在 MotionCache 的 **motion 度量** 之外，增加 **spatial detail 度量**，Phase 2 active token 由两者共同决定。
## 与 dev3 (MotionCache) 的差异
| 维度 | dev3 MotionCache | dev4 MotionDetailCache |
|------|------------------|------------------------|
| Phase 2 权重 | 仅 motion 权重 W_m | motion W_m + detail W_d 融合 |
| Detail proxy | — | latent 局部 k×k 空间方差 |
| 适用场景 | 运动区域优先计算 | 静止纹理/边缘/语义细节也优先保留 |
## Detail 度量
对每个 latent 像素 `(t, h, w)`：
1. 通道聚合幅度：`mag = mean(|x|, dim=C)` → `[N, T, H, W]`
2. 局部空间方差：在 `detail_window_size×detail_window_size` 窗口内计算 `Var(mag)`
3. Soft-mapping：帧内 min-max 归一化 → `W_d ∈ [detail_alpha, 1]`
高方差区域对应边缘、纹理、物体边界等 heterogeneous 邻域。
## Motion + Detail 融合
```
W_combined = combine(W_motion, W_detail)
A[p] += W_combined[p] · Δ_chunk
active[p] = A[p] > τ
```
`weight_combine_mode`（默认 `max`）：
| 模式 | 公式 | 特点 |
|------|------|------|
| `max` | max(W_m, W_d) | 运动或细节任一显著即可加速累积（推荐） |
| `product` | W_m × W_d | 两者同时高才快速激活，更激进 reuse |
| `blend` | (1-λ)W_m + λW_d | 线性权衡，λ=`detail_lambda` |
## 默认超参
继承 dev3 的 motion 参数，并新增：
| 参数 | 默认值 | 说明 |
|------|--------|------|
| `detail_alpha` | 0.5 | detail 权重下限 |
| `detail_window_size` | 3 | 局部方差窗口（奇数） |
| `detail_lambda` | 0.5 | blend 模式下的 detail 权重 |
| `weight_combine_mode` | max | 融合方式 |
## 快速运行
```bash
cd FlowCache4MAGI-1-dev4-detail
conda activate magi
export CUDA_VISIBLE_DEVICES=0
export MASTER_ADDR=localhost
bash scripts/single_run/motiondetail_t2v.sh
```
## 代码结构
```
inference/pipeline/cache/
├── motioncache.py # dev3 基类 MotionWiseCache
└── motiondetailcache.py # dev4 MotionDetailCache
yaml_config/single_run/motiondetail_config.yaml
scripts/single_run/motiondetail_t2v.sh
```
其余 sparse forward、KV cache、integrate 逻辑与 dev3 完全一致。
|