Unverified50% confidenceFactExact time
流匹配（Flow Matching）由Lipman等人于2022年提出，直接学习将噪声分布映射到数据分布的确定性ODE流
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
VerifiedFlow Matching通过学习确定性速度场将噪声分布连续映射到数据分布，Stable Diffusion 3和Flux均采用此框架82% similarUnverifiedFlow matching是一种生成模型训练方法，直接学习从噪声分布到数据分布的确定性ODE路径，定义线性插值路径xt=(1-t)x₀+tx₁，神经网络学习预测该路径上每一点的速度向量70% similarUnverifiedStable Diffusion 3和Flux等文生图模型采用Flow Matching框架65% similarUnverified受控混合策略的核心原则是增强分布应匹配真实测试分布，这是域匹配理论的应用64% similarUnverified2020年DDPM（Denoising Diffusion Probabilistic Models）在图像生成领域开创了通过逐步加噪—逐步去噪实现高质量生成的范式63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/514887API
curl https://kongchang.com/api/v1/knowledge/claims/514887MCP
get_claim(id=514887)