场匹配：一种电场范式用于生成和数据迁移

我们提出了电场匹配(EFM)，一种适用于生成建模和分布迁移任务的新方法。我们的做法灵感来自电容器的物理学。我们将源分布和目标分布分别置于电容器的两个板上，并为其分配正负电荷。然后，我们使用神经网络近似器学习电容器的电场。为了将分布彼此映射，我们从电容器的一个板开始，沿着学习到的电场线移动样本，直至到达另一块板。我们理论上证明了这一方法可保证分布迁移。在实践中，我们在玩具数据和图像数据实验中展示了EFM的性能。我们的代码已公开于https://github.com/justkolesov/FieldMatching。