MeanFlow는 즉각적이고 평균적인 속도장을 함께 학습하여 적은 단계로 고품질 생성 모델링을 약속합니다. 본 연구는 두 속도 간의 상호 작용을 분석하고, 즉각적 속도 학습이 평균 속도 학습의 전제 조건이며, 시간 간격이 작을 때 즉각적 속도 학습이 평균 속도의 도움을 받지만 간격이 커질수록 저하됨을 발견했습니다. 또한, 큰 간격의 평균 속도 학습은 정확한 즉각적 속도와 작은 간격의 평균 속도 학습에 의존함을 밝혔습니다. 이러한 관찰을 바탕으로 즉각적 속도 형성을 가속화하고, 짧은 간격에서 긴 간격의 평균 속도로 초점을 이동하는 효과적인 훈련 방식을 설계했습니다. 개선된 MeanFlow 훈련은 수렴 속도를 높이고, 적은 단계의 생성 성능을 크게 향상시켰습니다. 예를 들어, 동일한 DiT-XL 백본을 사용하여, 기존 MeanFlow 기법보다 더 나은 FID를 달성했습니다.
