플로우컨시스트: 실제 궤적과 일치하는 고속 흐름 모델

초록

Fast‑flow 모델은 ODE 경로 적분을 직접 예측해 1‑step 샘플링을 가능하게 하지만, 기존 학습 방식은 무작위 잡음‑데이터 쌍으로 만든 조건부 속도가 실제 마진 흐름과 불일치해 궤적이 흐트러지고, 오차가 누적돼 장시간 구간에서 큰 편차가 발생한다. FlowConsist는 (1) 모델이 자체 예측한 마진 속도를 사용해 조건부 속도를 대체하고, (2) 각 시간 단계마다 생성 샘플의 마진 분포를 실제 데이터와 정렬하는 궤적 교정 전략을 도입한다. 이로써 1‑step 샘플링에서도 ImageNet‑256×256에서 FID 1.52라는 새로운 최첨단 성능을 달성한다.

상세 분석

본 논문은 Fast‑flow(빠른 흐름) 모델이 현재 직면한 두 가지 근본적인 문제를 체계적으로 분석한다. 첫 번째 문제는 “조건부 속도(conditional velocity)”를 사용한 학습 목표가 실제 마진 속도(marginal velocity)와 차이가 난다는 점이다. 기존 Flow Matching 이론에 따르면, 조건부 속도 vₜ(xₜ|x,ε)=ε−x는 무작위 잡음 ε와 데이터 x의 쌍에 의해 정의되며, 같은 xₜ에 대해 여러 개의 vₜ가 존재한다. 이를 평균화해 마진 속도 uₜ(xₜ,t)=E