Neues ODE-freies Modell ermöglicht One-Step-Generierung von Bildern

Forscher haben ein neues generatives Modell namens OT‑NFM vorgestellt, das ohne klassische Differentialgleichungen auskommt und Bilder in einem einzigen Forward‑Pass erzeugt.

Im Gegensatz zu herkömmlichen Diffusions- und Flow‑Matching‑Methoden, die bei der Inferenz oft Dutzende bis Hunderte von Netzwerk‑Aufrufen erfordern, lernt OT‑NFM die Transportkarte direkt. Dadurch entfällt die Notwendigkeit, ein zeitabhängiges Vektorfeld zu integrieren.

Ein zentrales Problem bei einfachen Flow‑Map‑Trainings ist der sogenannte „Mean‑Collapse“, bei dem inkonsistente Zuordnungen von Rauschen zu Daten alle Ausgaben zum Mittelwert der Daten drängen. Die Autoren zeigen, dass nur durch konsistente Kopplungen ein sinnvolles Lernen möglich ist.

Um dies zu erreichen, nutzen sie optimale Transport‑Kopplungen und entwickeln skalierbare Mini‑Batch‑ und Online‑Coupling‑Strategien, die die Lernstabilität deutlich verbessern.

In Experimenten auf synthetischen Tests sowie auf den Bilddatensätzen MNIST und CIFAR‑10 erzielen sie eine konkurrenzfähige Bildqualität, während die Inferenzzeit auf einen einzigen Netzwerk‑Durchlauf reduziert wird.