**LipsFlower：基于 Lipschitz 控制的流匹配模型提升图像修复鲁棒性**

_Lipschitz-Controlled Flow Matching for Robust Image Restoration_

> 针对流匹配模型在图像修复中因动态学习导致对输入扰动敏感、重建不稳定的问题，研究提出了 LipsFlower 框架。该框架通过推导稳定性边界，设计了具备 Lipschitz 感知的小时玻璃扩散 Transformer（LipHDiT），并引入对抗性正则化等机制以抑制扰动放大。实验表明，LipsFlower 在盲脸修复任务中显著降低了扰动放大效应，同时保持了与主流基线相当的感知质量，证明了 Lipschitz 感知流匹配在提升生成式图像修复稳定性方面的有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.13995)