CoFlow 用对比轨迹排斥减少 Flow Matching 轨迹交叉，提升少步生成
burny_tech · x · 2026-10-04
arXiv 论文提出 CoFlow 框架，将对比学习引入 Flow Matching：训练时通过注入排斥性漂移项主动推开附近的负轨迹，显式降低速度场的局部 Lipschitz 常数。
- 轨迹交叉此前多从优化视角处理（速度平均化），依赖事后蒸馏或端点耦合；本文指出交叉点会导致高频速度信号难以拟合，并造成少步推理的数值积分误差
- 从 SDE 视角给出公式化，并推导出等价的随机插值形式，提供可控的负样本影响设计空间
- 在 ImageNet 上对 FM、REPA、OT-CFM 基线均带来一致提升，改善少步生成质量
「研究」频道最新
- 蛋白质水印可被重测序抹除？研究者以图像水印类比回应 — anshulkundaje · 2026-10-04
- 受 BLAKE3 启发的哈希函数 Bab 发布，支持流式验证 — carsonfarmer · 2026-10-04
- 文本变 token,像素变什么?一条推文拆解视觉编码器的原理 — _jaydeepkarale · 2026-10-04
- 稀疏 Transformer 单个权重可用 Python 代码表达,可解释性论文入选 NeurIPS — CatAstro_Piyush · 2026-10-04
- 从嵌入到 HNSW/IVF/PQ：一篇讲透向量数据库原理的入门长文 — blaizedsouza · 2026-10-04
- ARROW 发布:任意图像集统一 3D 重建与点跟踪,刷新两项 SOTA — CSProfKGD · 2026-10-04