Symmetrical Flow Matching (SymmFlow)는 분포 간의 연속적인 변환을 학습하는 강력한 프레임워크인 Flow Matching을 기반으로 하며, 의미론적 분할, 분류 및 이미지 생성을 단일 모델로 통합하는 새로운 방식을 제시합니다. 양방향 일관성을 보장하고 생성적 다양성을 위해 충분한 엔트로피를 유지하면서, 대칭 학습 목표를 사용하여 정방향 및 역방향 변환을 공동으로 모델링합니다. SymmFlow는 의미론적 구조를 보존하면서 효율적인 샘플링을 특징으로 하는 새로운 훈련 목표를 도입하여 흐름 전반에 걸쳐 의미론적 정보를 명시적으로 유지하여 반복적인 개선 없이 한 단계 분할 및 분류를 가능하게 합니다. 픽셀 수준 및 이미지 수준 클래스 레이블을 모두 지원하는 유연한 조건을 지원하며, 다양한 벤치마크에서 SOTA 성능을 달성했습니다.
