速度不足：流匹配的初始能量注入

虽然流匹配在理论上保证了恒定速度轨迹，但我们发现了高维实践中的一个关键故障：速度缺陷。我们表明，MSE 目标系统地低估了速度大小，导致生成的样本无法达到数据流形，这种现象我们称为积分滞后。为了纠正这个问题，我们提出了初始能量注入，通过两种补充方法实例化：基于训练的幅度感知流匹配 (MAFM) 和 无需训练 规模计划校正器 (SSC)。两者都基于我们发现的一个关键的不对称性：速度收缩在轨迹开始时导致有害的动力学停滞，但在轨迹结束时充当有益的降噪机制。根据经验，SSC 通过零再训练和一行代码即可显着提高效率。在 ImageNet-1k (256x256) 上，它将 FID 提高了 44.6%（从 13.68 到 7.58），并实现了 5 倍的加速，使 50 步生成器 (FID 7.58) 能够击败 250 步基线 (FID 8.65)。此外，我们的方法可推广到文本到图像任务和高分辨率生成，将 MS-COCO 上的 FID 提高约 22%。