保守流：生成模型的新范式

现代生成建模以先于数据的噪声传输为主。我们提出了一种替代范式，其中通过离散随机动力学执行生成，使数据分布保持不变，从数据支持的状态而不是从噪声初始化。该框架可以利用任何预训练的流模型。我们开发了两种保留概率的采样机制，一种带有 Metropolis 调整的修正朗之万动力学和一种直接在现有检查点上运行的预测修正流。我们在合成瑞士卷目标、ImageNet-256 和 Oxford Flowers-102 上验证了该框架，其中我们的采样器比原始生成程序持续改进。