本論文では、フローモデルと拡散モデルのパフォーマンスとトレーニングの安定性を向上させるために、多次元適応係数(MAC)モジュールを提案します。従来の一次元係数を多次元に拡張し,推論経路に応じて適応的に係数を調整することが特徴である。 MACは、敵対的な改善によるシミュレーションベースのフィードバックで訓練され、さまざまなフレームワークとデータセットで生成される品質の向上と高いトレーニング効率を示しています。これは推論経路最適化の新しい観点を提示し,ベクトル場設計を越えた訓練効率的なシミュレーションベースの最適化を利用する将来の研究を促進する。