论文页面 - 对齐隐空间几何用于图像生成的球面流匹配

来源：https://huggingface.co/papers/2605.15193

摘要

测地流匹配通过将隐变量投影到固定半径的球面上，并使用球面线性插值替代线性路径，利用角度分量保留语义内容，从而改进图像生成。

用于图像生成的隐空间流匹配 (https://huggingface.co/papers?q=Latent%20flow%20matching)通常沿着线性路径将高斯噪声 (https://huggingface.co/papers?q=Gaussian%20noise)传输到变分自编码器 (https://huggingface.co/papers?q=variational%20autoencoder)的隐变量上。然而，两个端点都集中在薄球壳 (https://huggingface.co/papers?q=spherical%20shells)内，即使预处理对齐了它们的半径，欧几里得弦也会离开这些球壳。通过将每个隐空间token分解为径向分量和角度分量 (https://huggingface.co/papers?q=radial%20and%20angular%20components)，我们通过分量交换探针实验证明，解码后的感知和语义内容主要由方向承载，半径贡献很小。因此，我们将数据隐变量投影到固定的token半径上，使用高斯噪声 (https://huggingface.co/papers?q=Gaussian%20noise)的径向投影作为球面先验，在冻结编码器的情况下微调解码器，并用球面线性插值 (https://huggingface.co/papers?q=spherical%20linear%20interpolation)替代线性插值。由此产生的测地路径 (https://huggingface.co/papers?q=geodesic%20paths)在每个时间步都保持在球面上，且其速度目标在结构上纯属角度分量。在匹配训练条件下，该方法在不同图像分词器 (https://huggingface.co/papers?q=image%20tokenizers)上一致地改善了类条件ImageNet-256的FID指标，无需改变扩散架构 (https://huggingface.co/papers?q=diffusion%20architecture)，也不需要额外的编码器或表示对齐目标。

查看arXiv页面 (https://arxiv.org/abs/2605.15193)查看PDF (https://arxiv.org/pdf/2605.15193)项目页面 (https://aligning-latent-geometry.github.io/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.15193)

在你的agent中获取这篇论文：

hf papers read 2605\.15193

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

引用该论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2605.15193以链接到此页面。

引用该论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2605.15193以链接到此页面。

引用该论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2605.15193以链接到此页面。

包含该论文的收藏0

没有收藏包含此论文

将这篇论文添加到收藏 (https://huggingface.co/new-collection)中以链接到此页面。