作者：Zhikai Li
原文：https://mp.weixin.qq.com/s/8SViawyGjoHKhbW0qWtuYA
生成式视频模型正以前所未有的速度进化，从数秒短片拓展至长时段叙事，从模糊低清跃升至逼真4K。
然而，随着视频时长和空间分辨率的提升，序列长度急剧增加，二次复杂度的注意力计算量随之飙升，即便采用 FlashAttention 等高效优化，推理延时仍然难以遏制。
以生成一段 720p、5 秒的视频为例，单是注意力计算就需要耗时数十分钟。炫目的生成质量因此被漫长的等待所拖累，限制了真实应用的落地。
为此，中科院自动化所研究团队提出了Rectified SpaAttn校正式稀疏注意力，它从理论上揭示了传统稀疏注意力存在的系统性偏差，并据此构建出一种更快、更稳的稀疏注意力新范式。
通过校正稀疏注意力，使其分布更贴近真实注意力，Rectified SpaAttn能在更高稀疏率下依然保持卓越的生成质量，将视频生成中注意力稀疏化加速的潜能进一步推向极限。
论文地址：https://arxiv.org/abs/2511.19835
项目地址：https://github.com/BienLuky/Rectified-SpaAttn
为什么稀疏注意力做不好？不是“不够精确”，而是“存在偏差”
为了加速注意力计算，稀疏注意力通常只保留少量关键 tokens 的运算，忽略大部分非关键 tokens，以此降低计算量。
为了让稀疏注意力更接近真实注意力，传统方法大多从重排序或重要性评估入手，力图更精准地挑选应当保留的关键 tokens，从而最大化信息保留。
然而，理论分析表明，这类以“精确选择”为核心的稀疏注意力方法存在两类系统性偏差，如下图所示。
- 关键 tokens 的注意力被系统性放大：稀疏后 softmax 只在少量被保留的 tokens 上归一化，相比真实注意力，这些关键 tokens 的权重被显著推高。
- 非关键 tokens 的注意力完全丢失：未被保留的 tokens 不再参与任何计算，其注意力贡献被彻底抹除。
更重要的是，随着稀疏率提高，这两种偏差都会进一步加剧。因此，即便传统稀疏注意力方法在挑选重要 tokens 方面再精确，它们仍然难以在高稀疏率下保持生成质量。
Rectified SpaAttn：不是“精确选择”，而是“偏差校正”
研究团队提出了一个关键洞察：对均匀池化后的 Q 和 K 进行注意力计算，可得到一种“隐式全注意力”，其分布与真实全注意力高度一致。
基于这一发现，Rectified SpaAttn 并不再执着于挑选哪些 tokens 更重要，而是以“隐式全注意力”为参考，对稀疏注意力进行系统校正，让其分布重新对齐真实注意力，如下图所示。
隔离池化的注意力重分配：
理论推导表明，关键 tokens 在稀疏注意力中出现的偏差，与其在真实全注意力中的权重总和严格成正比。因此，可以通过“隐式全注意力”估计这一权重和，从而对偏差进行有效校正。
然而，由于文本 tokens 缺乏块内同质性，直接对完整序列的 Q 和 K 进行池化，会导致“隐式全注意力”产生显著误差。
为此，研究者提出隔离池化的注意力重分配（IPAR）：
① 隔离文本 tokens，仅对视觉 tokens 进行池化，得到混合粒度的池化注意力；
② 根据粒度差异进行重加权与归一化，重构与真实注意力高度一致的“隐式全注意力”。
以此确保关键 tokens 的注意力偏差能够被准确校正。
收益感知的池化校正：
池化得到的“隐式全注意力”只具备块粒度的信息，用它来近似非关键 tokens 的 token 粒度注意力权重，既会带来注意力信息收益，也会引入块池化带来的近似误差。
因此，盲目的使用“隐式全注意力”对所有非关键tokens进行补偿，可能导致校正不稳定甚至失效。
为此，研究者提出收益感知的池化校正（GAPR）：
① 分别建模校正带来的注意力收益与池化误差，在块维度上对两者进行量化估计；
② 设定校正条件，仅当补偿收益大于近似误差时，才对对应的非关键 token 块执行校正。
以此确保对非关键 tokens 的注意力偏差校正既可靠又稳健。
整体效果：更快、更稳
对比实验：
下表显示了在视频生成模型 HunyuanVideo 和 Wan 2.1 上的评估结果，相较当前 SoTA 的传统稀疏注意力方法，Rectified SpaAttn 能在更高稀疏率下依然保持更优的视觉质量。
同时，与模型缓存技术结合，Rectified SpaAttn 能进一步实现 4–9 倍的端到端加速，在加速与性能之间取得双重突破。
消融实验：
在 HunyuanVideo 上的消融结果表明，使用直接池化得到的“隐式全注意力”对所有 tokens 进行盲目校正，不仅无法提升性能，反而因错误校正导致生成质量下降。
相比之下，引入 IPAR 与 GAPR 后，对关键与非关键 tokens 进行分别、精准的偏差校正，模型性能显著提升。
此外，由于校正操作均基于池化张量完成，额外开销极小，因而在提升质量的同时，依然保持了高稀疏加速效率。