arXiv · ML· Lars Ruthotto, Eran Treister·· 3 天前AI 评分30
流匹配显式正则化:基于速度导数惩罚提升泛化能力
Explicit Regularization for Flow Matching
AI 导读
研究表明,对流匹配模型速度场施加 $k$ 阶导数惩罚,在 $2k > D$ 条件下可确保 $D$ 维经验学习问题在时间上均匀适定。 实验在 1 至 2 维空间验证,使用样条离散化速度场并配合直接求解器,结果显示 Hessian 正则化流的误差远低于无正则化情形,且优于或接近核密度估计。 该正则化策略有效解决了数据分布附近的问题不适定性,显著提升了生成模型的泛化性能。
来源:arXiv · ML · arxiv.org