摘要：
目录参考Metric-induced Probability PathsFUDOKI的速度配方：动能最优 (Kinetic Optimal)因子A：\([...]_+\) —— 方向的“开关”因子B：\(β'_t\) —— 全局的“节拍器”因子C：\(p_t(x^i | x_1^i)\) —— 资源 阅读全文
posted @ 2025-07-31 18:07
jack-chen666
阅读(24)
评论(0)
推荐(0)
摘要：
目录参考核心转变：从连续空间到离散空间离散世界中的“概率路径” \(p_t(x)\)离散世界中的“速度” \(u_t\)详细解读 离散空间的连续性方程“啊哈！”时刻：把公式连起来 参考 https://arxiv.org/pdf/2505.20147 来深入解读FUDOKI论文的第二部分 Preli 阅读全文
posted @ 2025-07-31 17:41
jack-chen666
阅读(65)
评论(0)
推荐(0)
摘要：
目录参考核心思想：FUDOKI是什么？从连续到离散：Discrete Flow Matching (DFM)新的“教师”：动能最优速度 (Kinetic-Optimal Velocities)统一“理解”与“生成”总结 参考 FUDOKI: Discrete Flow-based Unified U 阅读全文
posted @ 2025-07-31 16:48
jack-chen666
阅读(73)
评论(0)
推荐(0)
摘要：
参考 https://g.co/gemini/share/c0f7881543f7 https://zhuanlan.zhihu.com/p/685921518 这部分内容是 Flow Matching 框架下的具体“工程实践”。我们已经知道了“条件化”是解决问题的关键，现在的问题是：具体应该选择什 阅读全文
posted @ 2025-07-31 14:31
jack-chen666
阅读(116)
评论(0)
推荐(0)
摘要：
目录条件流匹配损失函数 L_CFMFlow Matching技术栈核心设计一条“简单”的条件概率路径推导出对应的条件向量场最终的应用与延伸 条件流匹配损失函数 L_CFM 整个Flow Matching理论的“收官之作”，解释了为什么我们可以使用一个看起来更简单、更直接的损失函数来完成训练，并从理论 阅读全文
posted @ 2025-07-31 10:43
jack-chen666
阅读(189)
评论(0)
推荐(0)
摘要：
目录参考CNF的“慢”—— 为什么要改进？Flow Matching的核心思想 —— “无模拟训练”Flow Matching自身的挑战 —— “教师”从何而来？最终的解决方案 —— Conditional Flow Matching“条件流匹配”总结 参考 https://gemini.googl 阅读全文
posted @ 2025-07-31 09:57
jack-chen666
阅读(97)
评论(0)
推荐(0)
浙公网安备 33010602011771号