MixFlow: 混合ソース分布による整流フローの改善

MixFlow: Mixed Source Distributions Improve Rectified Flows

April 10, 2026

著者: Nazir Nayal, Christopher Wewer, Jan Eric Lenssen

cs.AI

要旨

拡散モデルとその変種（例えば整流フロー）は多様で高品質な画像を生成するが、学習する生成パスの曲率が高いことによる反復的なサンプリングの遅さが依然として課題となっている。先行研究が示すように、高い曲率の主要な原因は、ソース分布（標準ガウス分布）とデータ分布の間の独立性である。本研究では、この制約を2つの相補的な貢献によって解決する。まず、標準ガウス分布の仮定からの脱却を試み、データ分布との整合性を高める任意の信号κに基づいてソース分布を条件付ける一般化された定式化「κ-FC」を導入する。次に、生成パスの曲率を低減しサンプリング効率を大幅に改善する、シンプルかつ効果的な学習戦略「MixFlow」を提案する。MixFlowは、固定された無条件分布とκ-FCベースの分布の線形混合に対してフローモデルを学習する。この単純な混合はソースとデータの整合性を改善し、必要なサンプリングステップ数を減らしながら優れた生成品質を実現し、学習の収束を大幅に加速する。平均して、本学習手法は固定サンプリング予算下で、標準的な整流フローと比較してFIDで12%、従来のベースラインと比較して7%生成品質を向上させる。コードは以下で公開: https://github.com/NazirNayal8/MixFlow

English

Diffusion models and their variations, such as rectified flows, generate diverse and high-quality images, but they are still hindered by slow iterative sampling caused by the highly curved generative paths they learn. An important cause of high curvature, as shown by previous work, is independence between the source distribution (standard Gaussian) and the data distribution. In this work, we tackle this limitation by two complementary contributions. First, we attempt to break away from the standard Gaussian assumption by introducing κ-FC, a general formulation that conditions the source distribution on an arbitrary signal κ that aligns it better with the data distribution. Then, we present MixFlow, a simple but effective training strategy that reduces the generative path curvatures and considerably improves sampling efficiency. MixFlow trains a flow model on linear mixtures of a fixed unconditional distribution and a κ-FC-based distribution. This simple mixture improves the alignment between the source and data, provides better generation quality with less required sampling steps, and accelerates the training convergence considerably. On average, our training procedure improves the generation quality by 12\% in FID compared to standard rectified flow and 7\% compared to previous baselines under a fixed sampling budget. Code available at: https://github.com/NazirNayal8/MixFlow{https://github.com/NazirNayal8/MixFlow}