4. Flow Matching 的核心思想:从“粒子运动”到“概率流”
Flow Matching 的核心问题其实可以浓缩成一句话:
怎样学习一个随时间变化的速度场,让一群最初服从简单噪声分布的粒子,连续运动之后变成真实数据分布?
例如,我们希望实现:
t = 0 t = 1
Gaussian Noise → Intermediate States → Data Distribution
• · • • • • ★ ★
· • · • • • ★ ★
· • • • ★★★★★
p₀(x) pₜ(x) p₁(x)
左边是一团随机噪声,右边可能是人脸、猫、语音、文字或者其他复杂数据。
Flow Matching 要学习的,就是中间那些“箭头”。
订阅专栏 解锁全文
1867




被折叠的 条评论
为什么被折叠?



