具有通量匹配的生成建模

我们引入了通量匹配，这是一种生成建模的新范式，它将现有的基于分数的模型推广到更广泛的矢量场系列，而无需保守。通量匹配目标并不要求模型等于数据分数，而是施加了一个较弱的条件，即允许无限多个向量场，其平稳分布是数据。这种灵活性使得一类无法在分数匹配下学习的生成模型成为可能，其中归纳偏差、结构先验和动态特性可以直接施加或优化。我们表明，通量匹配在高维图像数据集上表现强劲，更重要的是，我们增加的自由度解锁了一系列应用，包括更快的采样、可解释和机械模型，以及编码变量之间定向依赖关系的动力学。更广泛地说，通量匹配通过将矢量场本身转变为设计选择而不是固定目标，开辟了生成建模的新维度。代码可在 https://github.com/peterpao Huang/flux_matching 获取。