流れをより直線的かつ高速に：修正軌道におけるMeanFlowによる効率的ワンステップ生成モデリング

Flow Straighter and Faster: Efficient One-Step Generative Modeling via MeanFlow on Rectified Trajectories

November 28, 2025

著者: Xinxi Zhang, Shiwei Tan, Quang Nguyen, Quan Dao, Ligong Han, Xiaoxiao He, Tunyu Zhang, Alen Mrdovic, Dimitris Metaxas

cs.AI

要旨

Flow-based生成モデルは近年高い性能を示しているが、サンプリングには通常、常微分方程式（ODE）の高コストな数値積分が伴う。Rectified Flowはほぼ直線的な確率経路を学習することでワンステップサンプリングを可能にするが、この直線性を達成するには計算コストの高い複数回のリフロー反復が必要である。MeanFlowは時間平均速度を直接モデル化することでワンステップ生成を実現するが、曲率の高いフローで学習する場合、収束が遅くノイズの多い教師信号という課題を抱える。これらの制約を解決するため、我々は単一のリフローステップのみで補正軌道に沿った平均速度場をモデル化するRectified MeanFlowを提案する。これにより完全に直線化された軌道を必要とせず、効率的な学習が可能となる。さらに、残留曲率を低減し性能を向上させる簡潔かつ効果的な打切りヒューリスティックを導入する。ImageNetにおける64×64、256×256、512×512解像度の大規模実験により、Re-MeanFlowがサンプル品質と学習効率の両面で、従来のワンステップフロー蒸留法やRectified Flow法を一貫して上回ることを実証した。コードはhttps://github.com/Xinxi-Zhang/Re-MeanFlowで公開されている。

English

Flow-based generative models have recently demonstrated strong performance, yet sampling typically relies on expensive numerical integration of ordinary differential equations (ODEs). Rectified Flow enables one-step sampling by learning nearly straight probability paths, but achieving such straightness requires multiple computationally intensive reflow iterations. MeanFlow achieves one-step generation by directly modeling the average velocity over time; however, when trained on highly curved flows, it suffers from slow convergence and noisy supervision. To address these limitations, we propose Rectified MeanFlow, a framework that models the mean velocity field along the rectified trajectory using only a single reflow step. This eliminates the need for perfectly straightened trajectories while enabling efficient training. Furthermore, we introduce a simple yet effective truncation heuristic that aims to reduce residual curvature and further improve performance. Extensive experiments on ImageNet at 64, 256, and 512 resolutions show that Re-MeanFlow consistently outperforms prior one-step flow distillation and Rectified Flow methods in both sample quality and training efficiency. Code is available at https://github.com/Xinxi-Zhang/Re-MeanFlow.