跟随均值：参考引导的流匹配 [R]
摘要
介绍了参考引导的流匹配，该方法使用参考分布来引导流匹配过程，提高了样本质量和生成效率。
跟随均值：参考引导的流匹配：[https://www.alphaxiv.org/abs/2605.10302](https://www.alphaxiv.org/abs/2605.10302) https://preview.redd.it/5pleq5b4861h1.png?width=1036&format=png&auto=webp&s=805940b079176b65c45bb10e5458ecce140b0044
相似文章
遵循均值：参考引导的流匹配
本文介绍了一种在流匹配中实现可控生成的方法，通过使用参考集调整条件端点均值，提供了无需训练和半参数化的指导方式，用于风格和内容控制。
Energy-Guided Flow Matching
能量引导流匹配通过使用移动端点和自适应调度改进生成图像质量，以降低的训练成本达到最先进FID分数。
Recursive Flow Matching
引入了 Recursive Flow Matching (RecFM)，一种用于预测复杂时空动态的生成框架，以更少的步骤实现高保真度，并提高了准确性和速度，包括相比基于扩散的模拟器高达20倍的加速。
缺失数据下的流匹配
本文提出了缺失数据流匹配（Missing-Data Flow Matching）方法，该方法将训练样本中缺失的坐标视为潜在变量，并在可能取值上对流匹配损失进行平均。理论分析表明该修正是精确的，并提供了设计指导，实验在表格数据上验证了该方法的有效性。
Constraint-Aware Flow Matching: 面向约束采样的决策对齐端到端训练
提出了Constraint-Aware Flow Matching，一种新颖的端到端框架，将模型的学习动态与约束采样过程对齐，减轻了投影校正带来的分布偏移，从而实现高质量的约束生成。