CAR-Flow: Condition-Aware Reparameterization Aligns Source and Target for Better Flow Matching
条件生成建模旨在从包含数据条件对的样本中学习条件数据分布。为此，扩散和基于流动的方法已经取得了引人注目的结果。这些方法使用学习的（流）模型将忽略条件的初始标准高斯噪声传输到条件数据分布。因此，该模型需要学习质量传输和条件注射。为了缓解对模型的需求，我们提出了流量匹配的条件感知重新参数化（CAR-Flow）——一种轻量级的、学习性的转变，可以调节……
