How to Guide Your Flow: Few-Step Alignment via Flow Map Reward Guidance

작성자

Haebom

카테고리

Empty

저자

Jerry Y. Huang, Justin Lin, Sheel Shah, Kartik Nair, Nicholas M. Boffi

💡 개요

본 논문은 생성 모델에서 사용자가 지정한 보상(예: 심미성, 인간 선호도)을 최대화하는 샘플을 생성하는 문제인 '가이던스'를 해결하기 위해 새로운 접근 방식을 제안합니다. 기존 방법의 한계를 극복하고자 가이던스를 결정론적 최적 제어 문제로 재정의하고, 최근 주목받는 '플로우 맵'을 최적해의 자연스러운 결과물로 도출했습니다. 이를 기반으로 제안된 FMRG(Flow Map Reward Guidance)는 훈련 없이 단일 궤적을 사용하여 플로우 맵을 통해 샘플 생성 과정을 통합하고 안내함으로써, 텍스트-이미지 생성 분야에서 적은 NFEs(Number of Function Evaluations)만으로도 기존 최고 수준의 성능을 달성하거나 능가하며 속도를 크게 향상시킵니다.

🔑 시사점 및 한계

•

생성 모델의 가이던스 문제를 최적 제어 문제로 재정의하여 이론적 기반을 강화하고, 플로우 맵의 역할을 명확히 규명했습니다.

•

제안된 FMRG는 훈련이 필요 없고 단일 궤적만을 사용하며, 적은 NFEs로도 뛰어난 성능을 보여 기존 방법 대비 상당한 속도 향상을 달성했습니다.

•

텍스트-이미지 생성에 효과적임을 입증하였으나, 다른 생성 모델 분야(예: 음성, 3D 모델)로의 확장성 및 다양한 보상 함수에 대한 일반화 가능성은 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage