회귀로 배우는 흐름
잡음에서 자료로 이어지는 확률 경로를 설정하고 그 이동을 설명하는 벡터장을 회귀한다. 학습 단계에서 전체 생성 과정을 반복적으로 시뮬레이션하지 않는다는 점이 중심이다.
확률 경로의 선택
가우스 확률 경로의 넓은 계열을 다루며 기존 확산 경로도 포함한다. 최적 수송의 변위 보간처럼 확산과 다른 경로도 선택할 수 있어, 경로 설계와 모형 학습을 구분해 검토한다.
학습 이후의 생성
학습한 연속 흐름은 일반적인 상미분방정식 수치 해법으로 적분해 표본을 만든다. 학습에 시뮬레이션이 필요 없다는 설명은 생성까지 수치 계산 없이 끝난다는 뜻은 아니다.
관련 문서
Rectified Flow / FFJORD / 신경 상미분방정식 / 점수 기반 확률 미분 생성 / SiT 생성 모형 / 정규화 흐름 변분 추론