본 논문은 고품질의 1-step 및 few-step 생성 모델링을 가능하게 하는 Flow Matching의 일반화된 방식인 Terminal Velocity Matching (TVM)을 제안합니다. TVM은 두 확산 타임스텝 간의 전이를 모델링하며, 초기 시간이 아닌 terminal 시간에 동작을 정규화합니다. 모델이 Lipschitz 연속성을 만족할 때 TVM이 데이터와 모델 분포 간의 $2$-Wasserstein 거리에 대한 상한을 제공함을 증명합니다. 또한, Diffusion Transformers의 Lipschitz 연속성 부재를 해결하기 위해 안정적인 single-stage 학습을 달성하는 최소한의 아키텍처 변경 사항을 제시합니다. 효율성을 위해, Jacobian-Vector Products에 대한 backward pass를 지원하는 fused attention kernel을 개발하여 transformer 아키텍처에 적합하게 확장합니다. ImageNet-256x256에서 TVM은 단일 function evaluation (NFE)으로 3.29 FID, 4 NFE로 1.99 FID를 달성했으며, ImageNet-512x512에서도 1-NFE FID 4.32, 4-NFE FID 2.94를 달성하여 one/few-step 모델 분야에서 최고 성능을 보였습니다.
