研究人员引入了路径-流对齐(Path-Flow Alignment),一种用于生成模型中流匹配的新颖训练目标。该方法联合训练插值路径和速度场,目标是使流匹配路径的速度,并使路径与流对齐。研究确定了一种称为路径过拟合的故障模式,在这种模式下,尽管对齐损失减小,但样本质量会下降,这通常是由于概率路径中的低熵瓶颈造成的。为解决此问题,提出了一种随机路径正则化器,以提高样本质量并抑制瓶颈,从而在ImageNet上持续改进Fréchet inception distance。 AI
影响 这项研究引入了一种新的训练方法,可以提高生成模型的质量和效率。
排序理由 该集群描述了一篇关于生成模型新颖训练目标的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Flow Matching for Generative Modeling
- Fréchet inception distance
- GitHub
- ImageNet 256x256
- Path-Flow Alignment
- Path Overfitting
- sitcom
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →