鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
何恺明团队新作，持续聚焦Flow模型。
与MeanFlow对流匹配的优化不同，这次主要旨在解决归一化流在生成模型中的局限。
论文提出名为双向归一化流（BiFlow）的新框架，通过解耦前向过程——将数据映射为噪声，和逆向过程——把噪声再转回来生成图片，成功打破了传统归一化流生成模型效率低下的问题。
值得一提的是，论文的三位一作分别是来自清华姚班和MIT的本科生。
归一化流方法（NFs）已经成为生成建模的一种原则性框架。
标准的归一化流包含前向过程和逆向过程：
前向过程将数据映射为噪声，逆向过程则通过对前向过程求逆来生成样本。
传统的NF模型有一个硬性规定，逆向过程必须是前向过程的精确逆运算——要像钥匙和锁一样完全匹配。这就导致了两个问题：
- 模型设计受限：因为要保证 “可逆”，不能使用很多强大的通用架构（比如视觉Transformer），得特意设计复杂结构；
- 推理速度慢：由于架构约束，归一化流通常需要比其他模型更深、更宽的网络才能达到相似效果。以TARFlow为例，逆向生成时需要一步步按顺序计算，并且无法并行加速。
BiFlow的核心创新就在于，打破了“逆向过程必须是前向过程的精确逆运算”这一规则。
设计思路是这样的：
BiFLow解耦了前向过程和逆向过程的设计。
前向模型仍然使用易于训练的流模型（如改进版TARFlow），将数据映射为噪声。
逆向模型则引入一个可学习的独立模型，来近似前向模型的逆映射。
由此，逆向模型不需要是前向模型的数学精确逆，可以使用任意架构（如非因果的双向Transformer）来实现并行化和高效计算。
逆向模型也可以在单次前向传递中，直接从噪声生成图像，无需像自回归模型那样逐步生成。
具体来说，何恺明团队的这篇新论文提出了三项关键技术。
隐藏层对齐（Hidden Alignment）
为了解决独立逆向模型容易跑偏的问题，论文提出了一种新的损失函数策略，既利用了全轨迹监督，又保持了架构的灵活性：
- 利用前向过程的完整中间状态轨迹（数据→半噪声→纯噪声）作为监督信号；
- 通过可学习的投影头，将逆向模型的中间状态与前向状态对齐。
学习去噪（Learned Denoising）
传统NF方法（如TARFlow）推理时需要额外去噪，会增加计算量。
BiFlow将去噪步骤直接整合进逆向模型的一个额外模块中，实现了“端到端”的从噪声到清晰数据的映射，消除了额外的推理开销。
训练时无分类器引导（Training-time CFG）
为了在推理时保持单步生成（1-NFE）的高效性，BiFlow在训练阶段就引入了无分类器引导（CFG），让模型学习以CFG比例为条件的生成，从而避免了推理时计算两次前向传播的成本。
实验结果显示，在生成质量方面，BiFlow在ImageNet 256×256数据集上，取得了2.39的FID分数，刷新目前基于NF方法的SOTA。
在推理速度方面，相比于基线方法（改进版TARFlow），BiFlow的采样速度提升了两个数量级（在TPU上快697倍）。
另外，BiFlow凭借双向映射特性，无需额外训练即可实现图像修复和类别编辑两类图像编辑任务。
BiFlow有两位项目负责人。
陆伊炀，江苏南通人，清华姚班大二本科生，目前在MIT计算机科学与人工智能实验室（CSAIL）实习，导师是何恺明，主要研究方向为计算机视觉和深度生成模型。
高中时期，他是物理竞赛生，曾以江苏选手中第一名、全国第九名的成绩，在2022年获得了第三十九届全国中学生物理竞赛（CPhO）金牌。
Qiao Sun，MIT大二本科生，目前是何恺明计算机视觉课题组的本科生研究机会项目（UROP）学生。研究主要集中在生成模型方面，如扩散模型、流匹配等。
Qiao Sun高中毕业于上海中学，是2023年国际数学奥林匹克竞赛（IMO）金牌得主。
论文的另一位一作是王衔邦，今年刚从人大附中毕业，进入MIT学习。他的导师同样是何恺明。
王衔邦还是一名双料竞赛生，在2024年IMO上摘得金牌，还在2021年和2022年获得过全国信息学奥林匹克竞赛的银牌。
论文地址：https://arxiv.org/abs/2512.10953v1
— 完 —
