Chorus II 是一篇于 2026 年 6 月 23 日提交到 arXiv 的论文（编号 arXiv:2606.25040v1），隶属计算机视觉与模式识别（cs.CV）分类。论文由郝刘（Hao Liu）领衔，共有九位作者，核心主题是如何让图生视频（image-to-video，简称 I2V）的扩散模型在实际服务中跑得更快。
研究出发点是一个现实问题：为 I2V 生成提供扩散模型服务在计算上极其昂贵，给大规模部署带来显著挑战。而真实的 I2V 工作负载往往包含大量相似的请求，例如重复使用的特效模板、相关的拍摄主体，以及反复出现的镜头布局。既然请求本身高度同质化，其中就存在可利用的冗余。
现有跨请求加速方法主要通过特征复用来挖掘这种冗余，即把历史请求中已算好的特征直接挪用到新请求上。Chorus II 的作者们则观察到另一个现象：相似的 I2V 请求之间不仅特征相近，其稀疏注意力（sparse attention）模式也高度一致。这意味着历史请求留下的稀疏掩码可以作为以请求为条件的先验，几乎不需要在线上进行额外的掩码预测开销。
基于这一观察，论文提出了一个以「稀疏度复用」（sparsity reuse）为核心的跨请求复用框架，并把「特征复用」作为可选扩展，同时用一个轻量的「引导增强」（guidance enhancement）机制来兜底。具体而言，稀疏度复用被实现为共享稀疏掩码复用：从相似的历史请求中复用高质量的稀疏掩码，从而避免为每个请求单独做在线掩码预测。可选的��征复用则对高度冗余的时空区域采用降采样计算，在保留效率收益的同时缓解边界伪影。
复用带来的风险是生成结果发生语义漂移、或偏离原始图像与文本条件。为此，引导增强会在复用之后强化图像与文本条件的作用，减轻语义漂移和条件遵循方面的问题，从而守住生成质量。
实验结果显示，在默认的稀疏度复用配置下，该方法在保持生成质量的同时实现了 2.16 倍的加速。论文全文可通过 arXiv 获取，包含 PDF、实验性 HTML 以及 TeX 源码，提交历史显示 v1 版本于 2026 年 6 月 23 日 18:00:55 UTC 上传，文件大小约 4,228 KB。
总体来看，Chorus II 的贡献在于把跨请求冗余的利用从特征层面扩展到注意力稀疏模式层面，用几乎零线上开销的掩码复用换取推理效率提升，并通过引导增强与可选的特征复用兼顾质量与稳定，为大规模 I2V 服务部署提供了一条有吸引力的加速路径。