Flow Matching 速度缩放新解：纠正时间滞后，ImageNet FID 从 28.0 降至 12.2
francoisfleuret · x · 2026-10-10
François Fleuret 团队转发其新论文《Velocity Scaling in Flow Matching》（arXiv:2610.10823）。
- 核心主张：此前研究认为 MSE 训练会导致学习到的速度场系统性低估速度幅值，缩放可以修正这一误差；本文反驳了这一解释。
- 真实机制：速度缩放实际纠正的是「群体时间滞后」（population time lag）——模型在时间 t 采样的状态更 resemble 训练分布中更早时刻的状态。缩放速度和把模型时间往前拨是解决同一问题的两种方式。
- 效果：在 ImageNet-256、NFE 25、无引导条件下，通过测量时间滞后并据此选取增益 γ(t)，FID 从 28.0 降到 12.2（相邻增益测量值线性插值估计），且结论跨架构与模型规模成立。
「多模态」频道最新
- SeeDance 2.5 基本解决了困扰前代的视频拼接接缝问题 — TomLikesRobots · 2026-10-10
- Midjourney 风格码分享：--sref 754853361 824325735 — sergeantsref · 2026-10-10
- AI 蘑菇头 DJ 一条视频赚 1.9 万美元，播放近千万 — FinanceYF5 · 2026-10-10
- Claude 网页版惊现隐藏 Voice 预览项,Anthropic 或自研语音模型 — testingcatalog · 2026-10-10
- 博主被自己克隆语音解说 Eleven v4:停顿情感可控 — aziz4ai · 2026-10-10
- 用 GPT Image 2.5 做角色一致性，CapCut 串起品牌视频工作流 — LearnWithBishal · 2026-10-10