• 投稿

【科研入门】Flow Matching 在学什么?从 ODE、条件流匹配到 Rectified Flow

4068
6
2026-09-04 14:32:13
个人观点,仅供参考
133
70
452
24
如果把生成过程理解为“将噪声分布搬运到数据分布”,Flow Matching 会变得怎样直观?本期从生成模型与 Flow 的基本思路出发,介绍常微分方程(ODE)、连续性方程和向量场,逐步过渡到 Flow Matching、条件流匹配与 Rectified Flow。 报告最后回顾 VAE、GAN、扩散模型与 Flow 的主要思路,帮助建立不同生成建模路线之间的联系。适合具备基础概率与微积分知识、希望入门 Flow Matching 的同学。 本视频为暑期科研训练科研常识报告,供学习交流;以概念和方法梳理为主,不含代码实操。 章节导航: 00:00:00 生成模型与Flow 00:04:01 ODE与连续性 00:08:52 Flow Matching 00:11:40 条件流匹配 00:13:57 Rectified Flow 00:16:03 生成模型回顾
1.2万播放
简介
【1/1】扩散模型基础
25:06
【2/2】扩散模型基础: Flow Matching 在学什么?从 ODE、条件流匹配到 Rectified Flow
23:11
扩散模型(Diffusion Model)入门级别介绍
图像生成系列论文|Can We Generate Images with COT?
14:25
生成理解一体模型 |Unified Multimodal Understanding and Generation Models: Advances, C
26:12
Color Alignment in Diffusion |CVPR 2025
15:57
【CVPR 2025】WeGen:让多模态模型同时实现理解、生成与身份保持
15:56
【CVPR 2026】AI 图像为什么“太鲜艳反而不真实”?|生成图像颜色真实性评测
16:58
【论文精读】CDG:弱化文本条件,为什么反而能让扩散模型更听话?
21:20
客服
顶部
赛事库 课堂 2021拜年纪