对齐潜在几何结构以改进球面流匹配图像生成
原帖
**对齐球面流匹配的潜几何结构以改进图像生成**
_Aligning Latent Geometry for Spherical Flow Matching in Image Generation_
> 该研究针对潜在流匹配图像生成中，数据分布和噪声分布集中于薄球壳、线性插值路径会偏离球面的问题。通过将潜在向量分解为径向和角向分量，研究发现解码后的感知和语义内容主要由方向决定。为此，该方法将数据潜在向量投影至固定半径的球面上，使用高斯噪声的径向投影作为球面先验，微调解码器，并用球面线性插值替代线性插值，使生成路径严格保持在球面上。在匹配训练下，该方法无需修改扩散架构或引入辅助对齐目标，即可在多种图像分词器上一致提升ImageNet-256 FID指标。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.15193)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
该研究通过将数据潜在向量投影至固定半径的球面，并采用球面线性插值替代线性插值，使生成路径严格保持在球面上，解决了潜在流匹配中线性插值偏离球面的问题，从而在不修改架构的情况下提升了图像生成质量。
答案说明
通过将潜在向量分解为径向和角向分量，将数据投影至球面，使用球面线性插值，并微调解码器，来对齐潜在几何结构，改进球面流匹配的图像生成。
这篇帖子回答的问题
- 潜在流匹配图像生成中线性插值存在什么问题？
- 如何通过调整潜在几何结构来改进球面流匹配的图像生成？
核心观点
- 该研究通过将数据潜在向量投影至固定半径的球面，并采用球面线性插值替代线性插值，使生成路径严格保持在球面上，解决了潜在流匹配中线性插值偏离球面的问题，从而在不修改架构的情况下提升了图像生成质量。
FAQ
- Q: 这种方法需要修改扩散模型架构吗？
- A: 根据该研究，该方法无需修改扩散架构或引入辅助对齐目标。
关键实体
- 潜在流匹配
- 球面线性插值
- ImageNet-256 FID