Flow Matching 速度缩放研究发布
Get the story
2026年10月9日，arXiv Computer Vision 频道发布一项关于 Flow Matching 中速度场缩放作用的研究。该研究重新解释了速度缩放的效果，指出其作用并非源于 MSE 训练低估速度幅值，而是降低了总体时间滞后。研究提出速度缩放与回退模型时间是解决该问题的两种方式，并可用总体时间滞后选择增益。实验在 ImageNet-256、NFE 25、无 guidance 条件下进行，FID 从 28.0 降至 12.2。目前报道仅涉及该论文的主要结论与实验结果，未见后续验证或讨论。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer VisionFlow Matching 中的速度缩放研究
一项研究重新解释了 Flow Matching 中速度场缩放的作用，指出其效果并非源于 MSE 训练低估速度幅值，而是降低了总体时间滞后。研究提出速度缩放与回退模型时间是解决该问题的两种方式，并可用总体时间滞后选择增益。在 ImageNet-256、NFE 25、无 guidance 条件下，FID 从 28.0 降至 12.2。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.