One-Sided Quantile Coupling for Flow Matching
Flow Matching 通过回归概率路径的速度场来训练连续时间生成模型，源分布与目标数据分布之间的耦合方式显著影响优化和样本质量，但结构化耦合通常依赖小批量传输或分配过程，其成本随批量大小至少呈二次增长。本文提出 Quantile Coupling Flow Matching (QC-FM)，一种轻量级单侧耦合方法：仅采样数据批次，并直接构造每个配对的源样本。数据沿少量随机正交方向的秩映射到高斯分位数，潜在码在正交补中通过条件高斯采样完成。该构造在每个切片上是一维的，因此无需成对成本矩阵或分配求解。对于每个绘制的帧，该耦合消除了沿每个选定切片的不可约回归方差，并使理想流在该处完全笔直，同时保持采样先验不变。
Development
- First ReportOne-Sided Quantile Coupling for Flow MatchingarXiv cs.AI
- Current Assessment生成模型训练效率是行业关注点，QC-FM 若有效，可能降低 Flow Matching 训练的计算成本，推动其在更大规模数据上的应用。但该研究尚处于早期，需更多实验验证。Agent Pulse · analysis
Flow Matching 通过回归速度场训练连续时间生成模型，源与目标样本的配对方式（耦合）显著影响优化和样本质量。传统结构化耦合依赖小批量传输或分配，成本随批量大小至少二次增长。本文提出 Quantile Coupling Flow Matching (QC-FM)，一种轻量级单侧耦合：仅采样数据批次，通过将数据沿少量随机正交方向的秩映射到高斯分位数来构造源样本，并在正交补中通过条件高斯采样完成潜在码。该构造在每个切片上是一维的，无需成对成本矩阵或分配求解。对于每个绘制的帧，该耦合消除了沿每个选定切片的不可约回归方差，并使理想流在该处完全笔直，同时保持采样先验不变。
QC-FM 通过单侧耦合避免了二次成本，可能使 Flow Matching 训练更高效。其消除回归方差和使流笔直的特性可能加速收敛并提升样本质量。但需注意，该方法依赖随机正交方向的选择，可能影响耦合质量。下一步可验证：在标准图像生成基准上，QC-FM 与最优传输耦合相比，在样本质量和训练速度上的实际增益。
生成模型训练效率是行业关注点，QC-FM 若有效，可能降低 Flow Matching 训练的计算成本，推动其在更大规模数据上的应用。但该研究尚处于早期，需更多实验验证。
若 QC-FM 能显著降低训练成本，可能吸引生成模型公司采用，从而降低模型开发成本，加速产品迭代。但当前仅为论文，商业价值需进一步验证。
未来可能看到 QC-FM 在图像、音频等生成任务上的应用，以及与其他耦合方法的结合。可关注其后续实验和开源代码。