Flow Matching

拡散モデルの学習を、確率変換の **連続時間 ODE** として再定式化した手法です。2022〜2023 年に Lipman 氏らによって整理されました。データ分布とノイズ分布の間に補間する連続的な経路を設計し、その経路に沿う速度場 $v_t(x)$ を回帰で学習します。生成時はこの ODE を解くだけ。拡散モデルが SDE ベースで stochastic だったのに対し、Flow Matching は deterministic な経路を直接学習でき、より少ないステップで高品質な生成を達成できます。「拡散モデルは Flow Matching の確率版」と整理されたことで、研究の地形が一気に整理されました。