Unverified50% confidenceFactExact time
Flow 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
1
Sources
50%
Confidence
Long-term
Relevance
8/6/2026
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76% similarVerified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70% similarUnverified一致性模型通过训练网络直接预测去噪轨迹的端点，理论上可实现单步生成69% similarUnverifiedflow matching推理通常10-20步积分即可，而扩散模型需要50-1000步去噪67% similarVerified主流扩散模型（Diffusion Model）代表性产品包括Stable Diffusion、DALL-E 2早期版本、Midjourney，其工作原理是在训练阶段向图像逐步添加高斯噪声，再训练神经网络学习去噪的逆过程66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/696665API
curl https://kongchang.com/api/v1/knowledge/claims/696665MCP
get_claim(id=696665)