Unverified50% confidenceFactExact time
Flow 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
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Verified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82% similarUnverifiedStable Diffusion 3和Flux等文生图模型采用Flow Matching框架80% 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76% similarVerifiedStable Diffusion基于潜在扩散模型（Latent Diffusion Model），通过在压缩的潜在空间中进行去噪过程来生成高质量图像71% similarUnverified扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/518182API
curl https://kongchang.com/api/v1/knowledge/claims/518182MCP
get_claim(id=518182)