Velocity Scheduled Flow Matching

📄 arXiv: 2607.11442v1 📥 PDF

作者: Vitalii Bondar

分类: cs.LG

发布日期: 2026-07-13

💡 一句话要点

提出速度调度流匹配方法以提高样本生成效率

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 流匹配 速度调度 样本生成 计算机视觉 深度学习

📋 核心要点

  1. 现有流匹配方法假设样本在生成过程中以恒定速度移动，限制了生成的灵活性和效率。
  2. 本文提出速度调度流匹配（VSFM），通过引入可变速度轮廓，允许样本在生成过程中以不同速度移动，从而提高生成质量。
  3. 在CIFAR-10数据集上，VSFM在推理阶段降低了FID值19.8%，而在刹车轮廓下训练时进一步降低了17.4%。

📝 摘要（中文）

流匹配训练神经网络以回归噪声与数据之间线性插值的条件速度，现有方法假设样本在整个轨迹上以恒定速度移动。本文提出速度调度流匹配（VSFM），通过引入任意非负速度轮廓替代条件目标，从而放宽了这一假设。我们研究了六种来自运动规划的多项式轮廓。VSFM的首次应用是在推理阶段：预训练的线性流匹配模型可以在任何可接受的轮廓下进行采样，且无需重新训练，CIFAR-10数据集上的FID降低了19.8%。在刹车轮廓下从头训练进一步减少了17.4%的FID，均源于欧拉积分器在诱导网格上的局部截断误差。

🔬 方法详解

问题定义：现有流匹配方法假设样本在生成过程中以恒定速度移动，这一假设限制了生成的灵活性和效率，导致生成质量不理想。

核心思路：本文提出速度调度流匹配（VSFM），通过引入任意非负速度轮廓，替代传统的恒定速度假设，使得样本在生成过程中可以以可变速度移动，从而提高生成质量。

技术框架：VSFM的整体架构包括预训练的线性流匹配模型和速度轮廓的定义。在推理阶段，模型通过在非均匀的τ调度上积分其常微分方程（ODE）进行采样。

关键创新：VSFM的主要创新在于引入了速度轮廓的概念，使得样本生成过程不再受限于恒定速度的假设，从而显著提高了生成质量和灵活性。

关键设计：在设计中，速度轮廓v(t)被定义为满足非负性和归一化条件的函数，且在训练过程中采用了刹车轮廓以进一步优化生成效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在CIFAR-10数据集上，VSFM在推理阶段将FID值降低了19.8%，而在刹车轮廓下从头训练时进一步降低了17.4%。这些结果表明，VSFM在样本生成质量和效率上具有显著优势。

🎯 应用场景

该研究的潜在应用领域包括图像生成、视频生成以及其他需要高质量样本生成的任务。通过提高生成效率和质量，VSFM可以在计算机视觉、机器人等领域产生重要影响，推动相关技术的发展。

📄 摘要（原文）

Flow matching trains a neural network to regress the conditional velocity along a linear interpolant between noise and data, and the number of network evaluations~(NFE) sets the cost of sampling. The straight-line interpolant carries an implicit choice: the sample moves at constant speed throughout the trajectory. We relax this choice and introduce Velocity Scheduled Flow Matching~(VSFM), which replaces the conditional target $x_1 - x_0$ with $v(t)(x_1 - x_0)$ for any nonnegative profile $v:[0,1]\to\mathbb{R}_{\geq 0}$ satisfying $\int_0^1 v\,dt = 1$. We study six polynomial profiles drawn from motion planning. The first use of VSFM is at inference time: a pretrained linear flow-matching model can be sampled under any admissible profile by integrating its ODE on a non-uniform $τ$-schedule, with no retraining and no additional computation; on CIFAR-10 this lowers FID by up to $19.8\%$. Training from scratch under a braking profile gives a further reduction of $17.4\%$ at $4$~NFE. Both gains follow from the local truncation error of the Euler integrator on the induced grid.