流匹配的二次几何：文本到图像合成的语义粒度对齐
计算机视觉与模式识别
2026-03-12 v1
摘要
本文分析了生成式微调的优化动力学。我们观察到，在 Flow Matching 框架下，标准的 MSE 目标可形式化为由动态演化的神经切向核（NTK）支配的二次型。这种几何视角揭示了潜在的数据相互作用矩阵，其中对角项代表独立样本的学习，非对角项编码异构特征之间的残余相关性。虽然标准训练在隐式地优化这些交叉项干扰，但并未进行显式控制；此外， prevailing 数据同质性假设可能限制了模型的有效容量。鼓励此洞察，我们提出了语义粒度对齐（SGA），以文本到图像合成为测试基准。SGA 在向量残差场中工程化针对性干预，以缓解梯度冲突。基于 DiT 和 U-Net 架构的评估表明，SGA 通过加速收敛和改进结构完整性，提升了效率-质量之间的权衡。
引用
@article{arxiv.2603.10785,
title = {The Quadratic Geometry of Flow Matching: Semantic Granularity Alignment for Text-to-Image Synthesis},
author = {Zhinan Xiong and Shunqi Yuan},
journal= {arXiv preprint arXiv:2603.10785},
year = {2026}
}
备注
43 pages