COT-FM: Кластерно-оптимальное транспортное потоковое согласование

COT-FM: Cluster-wise Optimal Transport Flow Matching

March 11, 2026

Авторы: Chiensheng Chiang, Kuan-Hsun Tu, Jia-Wei Liao, Cheng-Fu Chou, Tsung-Wei Ke

cs.AI

Аннотация

Мы представляем COT-FM — универсальный фреймворк, который перестраивает вероятностный путь в Flow Matching (FM) для достижения более быстрой и надежной генерации. Модели FM часто создают изогнутые траектории из-за случайных или пакетных сопряжений, что увеличивает ошибку дискретизации и снижает качество сэмплов. COT-FM устраняет эту проблему путем кластеризации целевых образцов и назначения каждому кластеру выделенного исходного распределения, полученного обращением предобученных моделей FM. Эта стратегия «разделяй и властвуй» обеспечивает более точный локальный транспорт и значительно более прямые векторные поля, без изменения архитектуры модели. Как подход plug-and-play, COT-FM стабильно ускоряет выборку и улучшает качество генерации на 2D-данных, бенчмарках генерации изображений и задачах роботизированного манипулирования.

English

We introduce COT-FM, a general framework that reshapes the probability path in Flow Matching (FM) to achieve faster and more reliable generation. FM models often produce curved trajectories due to random or batchwise couplings, which increase discretization error and reduce sample quality. COT-FM fixes this by clustering target samples and assigning each cluster a dedicated source distribution obtained by reversing pretrained FM models. This divide-and-conquer strategy yields more accurate local transport and significantly straighter vector fields, all without changing the model architecture. As a plug-and-play approach, COT-FM consistently accelerates sampling and improves generation quality across 2D datasets, image generation benchmarks, and robotic manipulation tasks.