沿 K 幅度进行流动的生成模型
机器学习
2025-04-29 v1 人工智能
摘要
本文提出了一种新的生成学习范式，K-Flow，即沿 K 幅度进行流动的算法。其中，k 是一个组织频率带（或投影系数）的缩放参数，幅度描述此类投影系数的范数。通过引入 K 幅度分解，K-Flow 实现了沿缩放参数进行时间上的流动匹配。我们从理论基础、能量和时间动力学以及实际应用三个层面讨论了 K-Flow 的六个性质。具体而言，从实际使用角度看，K-Flow 通过控制不同尺度上的信息，实现可调的生成。为证明 K-Flow 的有效性，我们在无条件图像生成、类别条件图像生成和分子组装生成上进行了实验。此外，我们进行了三项消融实验，以展示 K-Flow 如何有效地控制图像生成的分辨率。
引用
@article{arxiv.2504.19353,
title = {Flow Along the K-Amplitude for Generative Modeling},
author = {Weitao Du and Shuning Chang and Jiasheng Tang and Yu Rong and Fan Wang and Shengchao Liu},
journal= {arXiv preprint arXiv:2504.19353},
year = {2025}
}