论文页面 - 追随均值：参考引导的流匹配

来源：https://huggingface.co/papers/2605.10302

摘要

流匹配通过基于示例的自适应（通过条件端点均值调整）实现可控生成，为风格和内容控制提供了无需训练的参数化引导方法。

现有的可控生成方法通常依赖微调、辅助网络或测试时搜索。我们证明流匹配（https://huggingface.co/papers?q=flow%20matching）提供了一种不同的控制接口：通过示例进行自适应。对于确定性插值（https://huggingface.co/papers?q=deterministic%20interpolants），速度场（https://huggingface.co/papers?q=velocity%20field）仅由条件端点均值（https://huggingface.co/papers?q=conditional%20endpoint%20mean）决定；改变这个均值就会改变流本身。这为可控生成提供了一个简单原则：通过改变模型所遵循的参考集来引导预训练模型。我们以两种形式实现了这一思想。参考均值引导（https://huggingface.co/papers?q=Reference-Mean%20Guidance）无需训练：它从参考库中计算一个闭式端点均值校正，并将其应用于冻结的 FLUX.2-klein（https://huggingface.co/papers?q=FLUX.2-klein）（4B）模型，在保持提示词、种子和权重不变的情况下实现对颜色、身份、风格和结构的控制。半参数化引导（https://huggingface.co/papers?q=Semi-Parametric%20Guidance）通过显式均值锚点和学习到的残差精化器分摊相同的思想，在 AFHQv2（https://huggingface.co/papers?q=AFHQv2）上达到无条件 DiT-B/4（https://huggingface.co/papers?q=DiT-B%2F4）的质量，同时允许在推理时切换参考集。这些结果表明了一个更广泛的方向：生成模型通过数据而非参数更新来适应。

查看 arXiv 页面（https://arxiv.org/abs/2605.10302）查看 PDF（https://arxiv.org/pdf/2605.10302）项目页面（https://pedrocurvo.com/follow-the-mean）GitHub0（https://github.com/pedrocurvo/follow-the-mean）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.10302）

在你的代理中获取此论文：

hf papers read 2605.10302

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

无模型链接至此论文

在模型 README.md 中引用 arxiv.org/abs/2605.10302 即可从此页面链接。

引用此论文的数据集0

无数据集链接至此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.10302 即可从此页面链接。

引用此论文的 Spaces0

无 Space 链接至此论文

在 Space README.md 中引用 arxiv.org/abs/2605.10302 即可从此页面链接。

包含此论文的集合0

无集合包含此论文

将此论文添加至集合（https://huggingface.co/new-collection）即可从此页面链接。