OneDiff项目中DeepCache模块在ComfyUI中的尺寸兼容性问题分析

在OneDiff项目的实际应用过程中，我们发现其DeepCache模块在ComfyUI环境中存在一个值得注意的尺寸兼容性问题。本文将详细分析这一问题的表现、原因以及可能的解决方案。

问题现象

当使用OneDiff的ModuleDeepCacheSpeedup节点时，系统对输入图片尺寸有特定的限制要求。具体表现为：

• 当首次生成的图片尺寸为720×720（64的倍数）时，后续生成728×720（非64倍数）的图片会导致系统报错并触发重编译
• 类似情况也出现在544×544到576×544、512×512到544×512的尺寸变化中
• 只有当首次和后续图片尺寸都保持为64的倍数时（如512×512到576×512），DeepCache才能正常工作

对比测试

为了进一步定位问题，我们进行了两组对比测试：

1. 使用ComfyUI原生的DeepCache节点（非OneDiff版本）时，所有尺寸组合都能正常工作
2. 当移除OneFlow对UNet的编译后，OneDiff的DeepCache也能正常处理各种尺寸

这表明问题很可能出在OneFlow对DeepCache模块的编译优化环节。

错误分析

系统报错信息显示，问题发生在concat操作中，具体错误是维度不匹配（18 != 17）。这表明在OneFlow编译优化后的计算图中，对输入尺寸变化的适应性存在问题。当输入尺寸从64的倍数变为非64倍数时，计算图中的某些操作无法正确处理这种变化。

技术背景

DeepCache是一种通过缓存中间特征来加速扩散模型推理的技术。OneDiff项目通过ModuleDeepCacheSpeedup节点将其集成到ComfyUI中，并使用OneFlow进行编译优化以提高性能。然而，这种优化似乎引入了一些对输入尺寸的限制。

解决方案建议

基于当前分析，可能的解决方案包括：

1. 修改OneFlow的编译策略，使其能够更好地处理不同尺寸的输入
2. 在ModuleDeepCacheSpeedup节点中添加输入尺寸检查，确保符合64倍数的要求
3. 优化concat操作的实现，使其能够适应更多样化的输入尺寸
4. 考虑采用动态图模式而非静态图编译，以牺牲少量性能换取更好的尺寸适应性

总结

OneDiff项目中的DeepCache模块在ComfyUI环境中表现出对输入尺寸的特殊要求，这主要是由于OneFlow编译优化引入的限制。开发团队需要权衡性能优化和功能完整性，找到最适合的解决方案。对于用户而言，目前可以暂时通过确保输入尺寸为64倍数来避免这一问题。