arXiv cs.AI· Xiaohuan Jia, Renzhe Xu, Xiao Wang, Jiayun Wu, Shaohua Fan·· 6 天前AI 评分23
ReSFlow：在统计流形上矫正类别流以实现一步生成
ReSFlow: Rectifying Categorical Flows on Statistical Manifolds for One-Step Generation
AI 导读
研究者提出 ReSFlow 模型，通过在统计流形上显式学习遵循内在黎曼几何的测地线轨迹，实现离散数据的一步类别生成。该方法理论上保证先验与目标分布间的轨迹近似测地线，从而大幅降低传输成本，将纯噪声一步映射到目标离散数据。在图像、文本和生物等多个真实生成任务上，ReSFlow 展现出更优的一步生成质量，代码已开源。
正文 · AI 翻译
摘要：离散数据的生成建模通过学习统计流形上的连续向量场，将简单先验输运到目标离散分布，已取得显著进展。然而，由于这些连续时间流并未被约束为沿统计流形上的测地线行进，因而需要多步数值积分进行模拟，并在推理过程中带来大量计算开销。在本工作中，我们受连续欧几里得空间中 Rectified Flow 的“笔直且快速”特性启发，提出了 Rectified Statistical Flow（ReSFlow）模型，通过显式学习遵循内在黎曼几何的测地线轨迹，实现统计流形上的一步类别生成。通过在统计流形上对流动进行整流，我们从理论上保证先验分布与目标分布之间的轨迹近似测地线。这种整流通过使学习到的轨迹直接沿统计流形上的测地线对齐，显著降低了输运成本，使模型能够一步将纯噪声映射到目标离散数据。通过在从图像、文本到生物领域的多种真实世界生成任务上进行大量实验，我们展示了 ReSFlow 卓越的一步生成质量，真正体现了测地最优且快速的类别生成。我们的代码可在 this https URL 获取。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.13225 [cs.LG] |
| （或 arXiv:2610.13225v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13225 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Xiaohuan Jia [查看电子邮件]
[v1]
2026年10月9日星期五 08:44:29 UTC（2,131 KB）
来源：arXiv cs.AI · arxiv.org