Flow Matching（流匹配）

流匹配（Flow Matching）是一种基于连续归一化流（CNF）的生成建模方法，旨在学习从简单先验分布（如高斯）到数据分布的映射。与扩散模型通过去噪步骤生成样本不同，流匹配直接定义一条从先验到数据的概率路径，并训练神经网络回归该路径上的速度场。这种方法避免了扩散模型中复杂的噪声调度和采样步骤，训练更稳定，采样更高效。流匹配在图像生成、语音合成和分子生成等领域展现出潜力，代表工作包括Stable Diffusion 3和Meta的Flow Matching模型，它们实现了高质量的生成效果。