统一面向单步视觉生成的分布训练

arXiv:2609.35763v3 公告类型：替换 摘要：分布训练通过在冻结的表征空间中匹配真实特征与生成特征，为单步视觉生成提供整体监督。我们提出了一个统一的理论框架，将分布建模与匹配差异度量分离，并通过 Wasserstein 梯度流将全局目标与逐点特征更新联系起来。在该框架下，FD-Loss 和采用高斯核的 Drifting 分别可通过高斯最优传输和基于核密度的 KL 匹配推导得到。受该框架启发，我们提出 MGFlow，使用高斯混合对特征分布建模，其粒度可在全局矩与基于样本的表征之间调节。MGFlow 同时支持最优传输匹配和基于得分的匹配，并将带质量约束的样本分配与成对分量更新相结合，以解决仅靠混合模型的表达能力无法消除的模式坍塌问题。在 ImageNet $256\times256$ 上，MGFlow 显著超越 FD-Loss 基线，在 pMF-H 上取得 1.45 $\mathrm{FDr}^6$、在 JiT-H 上取得 1.64 的当前最优结果。在文本到图像生成方面，MGFlow 通过后训练将 FLUX.2 [klein] 4B 转化为单步生成器，在 GenEval 和 PickScore 上均优于原始四步模型。