免标签批间最优传输耦合，让强 CFG 下生成更稳

AlexanderTong7 · x · 2026-10-14

一篇被 AlphaXIV 报道的论文《Global Transport Couplings for Classifier-Free Guided Flows》提出：flow matching 模型通常随机配对噪声与训练图像，但在强 classifier-free guidance（CFG）下这些配对会产生不稳定轨迹。该工作改用最优传输在整个 batch 内匹配噪声与图像，且不依赖类别标签，从而缩小条件与无条件预测之间的差距，可以在不损伤生成质量的前提下用更强的 guidance。

在 ImageNet-256 上，该方法在不改动模型架构与采样流程的情况下，将 FID 从 2.06 降到 1.91。作者还发现这种简单的免标签 mini-batch 最优传输耦合与 CFG 结合，能在更高 guidance scale 下改善条件生成。