Flow Matching from Viewpoint of Proximal Operators

📄 arXiv: 2602.12683v1 📥 PDF

作者: Kenji Fukumizu, Wei Huang, Han Bao, Shuntuo Xu, Nisha Chandramoothy

分类: cs.LG, stat.ML

发布日期: 2026-02-13

备注: 38 pages, 6 figures

💡 一句话要点

基于近端算子的视角重构条件流匹配，提升生成模型性能

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 条件流匹配 最优传输 近端算子 生成模型 Brenier势 动态系统 流形学习

📋 核心要点

  1. 现有生成模型在处理复杂数据分布时面临挑战，尤其是在目标分布不具备密度函数的情况下。
  2. 论文提出基于近端算子的OT-CFM重构方法，利用扩展的Brenier势，实现更精确的向量场表达。
  3. 理论分析表明，该方法在特定条件下具有良好的收敛性和稳定性，尤其是在流形数据上。

📝 摘要（中文）

本文从近端算子的角度重新构建了最优传输条件流匹配(OT-CFM)，这是一类动态生成模型。研究表明，OT-CFM可以通过扩展的Brenier势来获得精确的近端公式，而无需假设目标分布具有密度。特别地，恢复目标点的映射由近端算子精确给出，从而产生向量场的显式近端表达式。此外，本文还讨论了随着批量大小的增加，小批量OT-CFM收敛到总体公式的情况。最后，利用凸势的二阶epi-导数，证明了对于流形支持的目标，OT-CFM是终末正态双曲的：在时间重新缩放后，动力学在垂直于数据流形的方向上呈指数收缩，而在切线方向上保持中性。

🔬 方法详解

问题定义：论文旨在解决动态生成模型，特别是最优传输条件流匹配（OT-CFM）在处理不具备密度函数的目标分布时遇到的问题。现有方法可能需要对目标分布进行密度估计，这在实践中可能引入误差或计算复杂度。

核心思路：论文的核心思路是将OT-CFM重新表述为近端算子的形式。通过引入扩展的Brenier势，可以将恢复目标点的映射精确地表示为近端算子，从而避免了对目标分布密度函数的直接依赖。这种方法能够提供向量场的显式近端表达式。

技术框架：该研究的技术框架主要包括以下几个步骤：1) 将OT-CFM问题转化为近端优化问题；2) 利用扩展的Brenier势推导出向量场的近端表达式；3) 分析小批量OT-CFM的收敛性；4) 利用凸势的二阶epi-导数，证明OT-CFM在流形数据上的终末正态双曲性。

关键创新：最重要的技术创新点在于将OT-CFM与近端算子联系起来，并利用扩展的Brenier势获得了向量场的显式近端表达式。这种表述方式避免了对目标分布密度函数的直接估计，从而提高了模型的鲁棒性和适用性。

关键设计：论文的关键设计包括：1) 使用扩展的Brenier势来定义近端算子；2) 通过理论分析证明了小批量OT-CFM的收敛性；3) 利用凸势的二阶epi-导数来分析OT-CFM在流形数据上的动力学行为。这些设计保证了模型在理论上的合理性和在实际应用中的有效性。

📊 实验亮点

论文通过理论分析证明了OT-CFM在流形数据上的终末正态双曲性，表明该方法在垂直于数据流形的方向上具有指数收缩的特性，这有助于提高生成模型的稳定性和收敛速度。此外，论文还讨论了小批量OT-CFM的收敛性，为实际应用提供了理论指导。

🎯 应用场景

该研究成果可应用于图像生成、数据增强、分子生成等领域。通过更精确地建模复杂数据分布，可以提升生成模型的质量和多样性，从而在药物发现、材料设计等领域发挥重要作用。此外，该研究对于理解和改进其他基于流的生成模型也具有一定的参考价值。

📄 摘要（原文）

We reformulate Optimal Transport Conditional Flow Matching (OT-CFM), a class of dynamical generative models, showing that it admits an exact proximal formulation via an extended Brenier potential, without assuming that the target distribution has a density. In particular, the mapping to recover the target point is exactly given by a proximal operator, which yields an explicit proximal expression of the vector field. We also discuss the convergence of minibatch OT-CFM to the population formulation as the batch size increases. Finally, using second epi-derivatives of convex potentials, we prove that, for manifold-supported targets, OT-CFM is terminally normally hyperbolic: after time rescaling, the dynamics contracts exponentially in directions normal to the data manifold while remaining neutral along tangential directions.