何恺明团队又发新作： MeanFlow单步图像生成SOTA，提升达50%

文章预览

机器之心报道 编辑：陈萍 这段时间，大神何恺明真是接连不断地发布新研究。 这不，5 月 19 日，他又放出一篇新作！作者团队来自 CMU 以及 MIT。 论文标题：Mean Flows for One-step Generative Modeling  论文地址：https://arxiv.org/pdf/2505.13447v1 文章提出了一种名为  MeanFlow   的单步生成建模框架，通过引入平均速度（average velocity）的概念来改进现有的流匹配方法，并在 ImageNet 256×256 数据集上取得了显著优于以往单步扩散 / 流模型的结果，FID 分数达到 3.43，且无需预训练、蒸馏或课程学习。 生成模型旨在将先验分布转换为数据分布。流匹配提供了一个直观且概念简单的框架，用于构建将一个分布传输到另一个分布的流路径。流匹配与扩散模型密切相关，但关注的是引导模型训练的速度场。自引入以来，流匹配已在现代生成模型中得到广泛应用。 本文提出了一 ………………………………