SharpEuler: Un campionatore senza addestramento ottimizza i passi del flow matching
I ricercatori hanno presentato SharpEuler, un campionatore innovativo che elimina la necessità di addestramento nei modelli di flow matching. Migliora il processo di integrazione concentrandosi sulle aree con i cambiamenti più significativi nel campo di velocità appreso. Il metodo valuta la nitidezza utilizzando differenze finite lungo percorsi di calibrazione e poi la converte in una griglia temporale non uniforme tramite una trasformazione quantile. Per l'inferenza, si attiene all'integrazione standard di Eulero, mantenendo le valutazioni del modello coerenti con una schedulazione uniforme. Questo approccio si basa su tre concetti fondamentali: accelerazione numerica, profilatura consapevole del risolutore e schedulazione adattiva al budget. Puoi trovare questa ricerca su arXiv con ID 2605.11547.
Fatti principali
- SharpEuler è un campionatore senza addestramento per modelli di flow matching.
- Profila un modello pre-addestrato offline stimando la nitidezza del campo di velocità.
- La nitidezza viene stimata tramite differenze finite lungo traiettorie di calibrazione.
- Una trasformazione quantile converte il profilo di nitidezza in una griglia temporale.
- Al momento del test, utilizza l'integrazione di Eulero con lo stesso numero di passi della schedulazione uniforme.
- Il metodo è giustificato da tre principi: accelerazione numerica, profilatura consapevole del risolutore e schedulazione adattiva al budget.
- Pubblicato su arXiv con ID 2605.11547.
- L'approccio mira a migliorare la generazione rapida sotto un budget di valutazione fisso.
Entità
Istituzioni
- arXiv