23年以來，基于rectified flow[1]和flow-matching[2]的擴(kuò)散模型在生成領(lǐng)域大展異彩，許多基于flow-matching的模型和文章如雨后春筍般涌現(xiàn)，仿佛“直線”已經(jīng)成為一種政治正確。

該blog的動(dòng)機(jī)，是源于網(wǎng)絡(luò)平臺(tái)，諸如知乎，小紅書，乃至許多論文中都出現(xiàn)了很多對(duì)于rectified flow (flow-matching) 的錯(cuò)誤理解和解讀。本文希望能夠提供一個(gè)相對(duì)合理的視角來重新思考關(guān)于rectified flow相關(guān)的話題， 拋磚引玉。

該blog基于最近的論文：

Rectified Diffusion: Straightness is Not Your Need

單位: MMLab-CUHK, Peking University, Princeton University

https://arxiv.org/pdf/2410.07303

https://github.com/G-U-N/Rectified-Diffusion/tree/master

https://huggingface.co/wangfuyun/Rectified-Diffusion

直觀對(duì)比，F(xiàn)Ms和一般的DMs有本質(zhì)區(qū)別嗎？

以這種視角我們看到，flow-matching，它只是general 擴(kuò)散模型表達(dá)式的一種特例，他并不比其他的形式包括VP, VE, Sub-VP更加特殊。要說為什么有很多文章諸如sd3，flow-matching等文章中的效果要比其他form好，我個(gè)人認(rèn)為更多是超參數(shù)導(dǎo)致的問題，例如如何分配時(shí)間的采樣，時(shí)間t的weigthing，還有prediction type的差異等等。論文中通常為了表現(xiàn)自己方法的優(yōu)越性，都會(huì)對(duì)自己的方法進(jìn)行比較精細(xì)的超參數(shù)搜索。而對(duì)于一種diffusion form的最優(yōu)超參數(shù)設(shè)置，未必適用于其他的diffusion forms。

FMs的軌跡真的直嗎？

Rectified Flow是怎么讓軌跡變直的？

通讀rectified flow[1] [8] [9]的相關(guān)文章，我們可以看到rectified flow相較于一般的DDPM，主要有三點(diǎn)核心的觀點(diǎn)：

Rectified flow的采樣軌跡，只有在執(zhí)行了多次（一次）的rectification的操作之后，才會(huì)慢慢的變?yōu)橹本€，這也正是rectified flow中實(shí)現(xiàn)單步生成的重要操作。

Rectified flow包括后續(xù)的諸多工作，都強(qiáng)調(diào)Rectification這個(gè)操作，僅適用于flow-matching形式的diffusion模型。也就是說他們認(rèn)為前兩點(diǎn)~(1和2)是采用Rectification并實(shí)現(xiàn)采樣加速的的基礎(chǔ)，并強(qiáng)調(diào)修正過程（Rectification）將ODE路徑“拉直”。如果是其他的diffusion forms，如VP, VE, sub-VP[6]等，則無法采用rectification的操作來實(shí)現(xiàn)加速。

這就導(dǎo)致，在InstaFlow[10]中 (Rectified Flow的后續(xù)工作，其作者嘗試將rectified flow拓展到stable diffusion上的文生圖任務(wù))，rectified flow的作者使用stable diffusion的原始權(quán)重初始化，但是將SD轉(zhuǎn)變?yōu)閒low-matching的form，并采用v-prediction來進(jìn)行重新訓(xùn)練。

所以，rectified flow中的這種觀點(diǎn)真的正確嗎？在加速sd的過程中，真的有必要首先將其轉(zhuǎn)化為flow-matching的形式和v-prediction嗎? Flow-matching的diffusion form真的顯著比別的形式好嗎？

Recfified Diffusion: 本質(zhì)是使用配對(duì)的噪聲樣本對(duì)重訓(xùn)練。

Flow-matching Training是標(biāo)準(zhǔn)diffusion training的子集。此外，算法2 可視化了更一般的擴(kuò)散模型的訓(xùn)練過程，與算法1的差異以藍(lán)色和橙色標(biāo)出。值得注意的是，流匹配是我們討論的擴(kuò)散形式的一個(gè)特殊情況。從算法中可以看出，它們之間的唯一區(qū)別在于擴(kuò)散形式和預(yù)測(cè)類型。因此，流匹配訓(xùn)練只是特定擴(kuò)散形式和預(yù)測(cè)類型下的標(biāo)準(zhǔn)擴(kuò)散訓(xùn)練的特殊情況。

通過比較算法2 和算法3 與算法1，可以自然而然的推導(dǎo)出算法4。本質(zhì)上，通過引入預(yù)訓(xùn)練模型來收集噪聲-樣本對(duì)，并在標(biāo)準(zhǔn)的擴(kuò)散訓(xùn)練中用這些預(yù)先收集的配對(duì)替換隨機(jī)采樣的噪聲和真實(shí)樣本，我們就得到了Rectified Diffusion的訓(xùn)練算法。

訓(xùn)練目標(biāo)是軌跡一階化

一階ODE與預(yù)定義擴(kuò)散形式具有相同的形式

一階化軌跡可能是彎曲的

實(shí)驗(yàn)驗(yàn)證

我們進(jìn)行了廣泛的實(shí)驗(yàn)驗(yàn)證和方法對(duì)比，我們的方法取得了一致超越rectified flow相關(guān)方法的性能，并且與最先進(jìn)的蒸餾加速算法[11] [12]也取得了comparable的結(jié)果。

最后歡迎大家關(guān)注我們的論文：