FlowAlign：流匹配驱动的目标空间对齐新方法

多模态对齐是多模态学习中的核心问题，其目标是将源模态映射到一个由目标模态定义的固定空间。这一空间通常不是中间嵌入，而是直接用于下游分析。例如在单细胞多组学中，需要将不同组学数据映射到统一的细胞嵌入空间，以便联合聚类和注释。传统方法如对比学习、分布匹配和逐点回归，往往只解决了问题的一部分：对比损失关注相对相似性，分布匹配损失改善边缘分布的一致性，逐点回归则拟合源样本到配对目标，但忽略了目标空间的路径几何。

现有对齐方法的局限

在目标空间对齐问题中，成功的对齐需要同时满足两个条件：保持目标分布的全局结构，以及保留配对训练数据中观察到的实例级对应关系。对比损失通过拉近正样本对、推远负样本对来学习表示，但可能破坏全局结构；分布匹配损失（如MMD、对抗损失）强制源分布与目标分布一致，却可能忽略实例间的细粒度对应；逐点回归直接最小化源样本到配对目标的距离，但无法显式建模目标空间的路径几何，导致对齐结果可能偏离目标流形。

这些方法各自为政，缺乏一个统一的框架来同时优化全局结构和实例对应。FlowAlign的提出正是为了填补这一空白。

最大均值差异（Maximum Mean Discrepancy, MMD）是一种基于核函数的非参数两样本检验统计量，用于度量两个分布在再生核希尔伯特空间（RKHS）中均值嵌入的距离。在表示学习中，MMD 常被用作分布匹配损失：最小化源域与目标域表示在 RKHS 中的均值嵌入距离，从而拉近二者的边缘分布。其优点是有闭式估计、训练稳定，且不依赖对抗判别器；但缺点是对核带宽敏感，且只约束分布的整体矩信息，无法保证样本间的实例级对应关系。对抗损失则通过判别器区分源/目标表示、生成器欺骗判别器来隐式匹配分布，灵活性更强但训练不稳定、易模式坍塌。二者与逐点回归的共同局限在于：它们约束的是分布层面的统计量或点对距离，而非目标空间中的路径几何，因此可能把源样本映射到目标流形之外或破坏局部邻域结构。

FlowAlign：将流匹配作为训练信号

FlowAlign的核心创新在于重新利用条件流匹配（conditional flow matching）。传统上，流匹配用于推理时的传输模型，即学习一个从源分布到目标分布的连续变换。而FlowAlign将其作为训练时的对齐信号：利用学习到的流场来指导源侧表示与固定目标空间的对齐，促使源表示在保持配对对应的同时，与目标空间的全局结构兼容。

具体而言，FlowAlign在训练过程中引入一个条件流匹配目标，该目标学习一个从源表示到目标表示的流场。这个流场不仅提供了从源到目标的路径信息，还通过路径一致性约束来正则化对齐过程。通过这种方式，FlowAlign能够同时优化实例级对应和全局结构保持。

理论分析

作者提供了理论分析，表明FlowAlign通过控制端点精度和捕获局部目标空间几何来改善配对对应。端点精度确保源表示经过流场变换后能准确到达配对目标，而局部几何则通过流场的连续性来保持目标空间的局部结构。这一分析为FlowAlign的有效性提供了理论支撑。

条件流匹配（Conditional Flow Matching, CFM）是流匹配（Flow Matching）框架下的一种训练目标，其核心思想是构造一条从源分布样本到目标分布样本的连续概率路径（通常为直线插值路径），并学习一个时间依赖的速度场（vector field）来拟合该路径上的瞬时速度。与扩散模型依赖随机微分方程和噪声调度不同，CFM 直接回归条件速度场，训练目标简单、无需模拟采样过程，因此训练稳定且效率较高。在推理阶段，学习到的速度场可通过数值积分（如欧拉法或龙格-库塔法）将源样本传输至目标样本。FlowAlign 的创新在于不把 CFM 仅当作生成/传输工具，而是将其速度场视为一种几何正则项：流场在目标空间中的连续性天然编码了局部路径几何，从而在训练表示时同时约束端点精度与结构保持。

实验验证

论文在合成数据、配对单细胞多组学基准和图像-文本对齐任务上进行了实验。结果表明，FlowAlign在不同模态设置下均能提升实例级对应，同时保持目标空间结构。在单细胞多组学数据中，FlowAlign能够更好地对齐不同组学模态的细胞表示，有助于下游的细胞类型注释和轨迹推断。在图像-文本对齐中，FlowAlign改善了跨模态检索的性能。

这些实验结果验证了FlowAlign作为一种通用对齐框架的有效性。与现有方法相比，FlowAlign在实例级对应和全局结构保持之间取得了更好的平衡。

单细胞多组学（single-cell multi-omics）指对同一细胞同时测量多种分子模态的技术，如 scRNA-seq（转录组）与 scATAC-seq（染色质可及性）的配对测量，或 CITE-seq 同时捕获转录组与表面蛋白。其核心分析挑战在于不同组学数据处于异构的特征空间、维度和噪声特性差异大，需要学习一个共享的细胞嵌入空间以支持联合聚类、细胞类型注释和轨迹推断。常用基准包括 PBMC、骨髓等配对数据集，评价指标涵盖聚类一致性（如 ARI、NMI）、标签迁移准确率以及嵌入空间的局部邻域保持度。图像-文本对齐则以 CLIP 式对比学习为代表，评价指标包括跨模态检索的 Recall@K 和零样本分类精度。FlowAlign 在这两类任务上的收益，说明路径几何正则对异构模态的共享空间学习具有通用价值。

总结与展望

FlowAlign通过将流匹配从推理时工具转变为训练时信号，为多模态目标空间对齐提供了一种新思路。其理论分析和实验验证均显示了该方法的潜力。未来，FlowAlign有望扩展到更多模态和更复杂的下游任务中，例如多模态生成和跨模态推理。随着多模态数据的日益丰富，如何高效且准确地对齐不同模态的信息将成为一个持续的研究热点，FlowAlign为这一方向提供了有价值的探索。