连续对抗流模型

我们提出了连续对抗流模型，这是一种以对抗目标训练的连续时间流模型。与使用固定均方误差标准的流匹配不同，我们的方法引入了学习鉴别器来指导训练。目标的这种变化会导致不同的广义分布，从而根据经验产生与目标数据分布更好地一致的样本。我们的方法主要是针对 后训练 现有的流匹配模型提出的，尽管它也可以从头开始训练模型。在 ImageNet 256px 生成任务中，我们的 后训练 将潜在空间 SiT 的无制导 FID 从 8.26 显着提高到 3.63，将像素空间 JiT 从 7.17 提高到 3.57。它还改进了引导生成，将 SiT 的 FID 从 2.06 减少到 1.53，JiT 从 1.86 减少到 1.80。我们进一步评估了我们的文本到图像生成方法，它在 GenEval 和 DPG 基准测试中取得了改进的结果。