Equilibrium Matching（EqM）は、平衡動力学の観点から構築された生成モデリングフレームワークです。伝統的な拡散とフローベースの生成モデルの非平衡、時間条件付きダイナミクスを捨て、暗黙のエネルギーランドスケープの平衡勾配を学習します。このアプローチにより、調整可能なステップサイズ、アダプティブオプティマイザ、アダプティブオペレーションを使用して、学習されたランドスケープから傾斜降下法を使用してサンプルを取得する最適化ベースのサンプリングプロセスを推論時間に採用できます。 EqMは、ImageNet 256$\times$256でFID 1.90を達成し、経験的に拡散/フローモデルの生成性能を上回ります。さらに、EqMはデータマニホールドで学習しサンプリングすることで理論的に正当化されます。作成に加えて、EqMは部分的にノイズの多い画像のデノイズ、OOD検出、画像構成などのタスクを自然に処理する柔軟なフレームワークです。時間条件付き速度を統合された平衡ランドスケープに置き換えることによって、EqMは流れとエネルギーベースのモデル間のより強力なリンクを提供し、最適化ベースの推論への簡単な経路を提示します。
