通过数据空间迭代实现少步生成
流匹配能够支持高质量生成模型的规模化训练，但采样通常需要多次网络评估。该方法不再沿概率流的固定离散时间步迭代，而是在数据空间中逐步改进预测，从而降低成本。在类别条件式 ImageNet 256 × 256 实验中，该方法优于标准离散化基线，并达到或超过通过调度搜索选出的变体，且无需针对特定调度单独训练。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。