系数保持采样：Flow Matching随机性注入的正确打开方式

主要观点总结

本文首先指出了Flow-SDE在采样过程中存在的噪声问题，通过实验观察发现训练时采样出的图片带有显著噪声。接着分析了问题的根源，并提出了系数保持采样的概念。然后，通过深入研究Score-SDE的理论推导，揭示了Flow-SDE采样公式误差的来源，并指出其只适用于较小步长的情况。为解决这一问题，作者提出了一个新的采样公式，并进行了实验验证。实验结果表明，新的采样方法能够产生干净图像，提高reward的计算和优化效果。最后，总结了全文的主要内容和研究成果。

关键观点总结

关键观点1: Flow-SDE采样存在的问题

训练时采样出的图片带有显著噪声，不符合预期。

关键观点2: 问题根源分析

通过分析发现Flow-SDE采样公式存在误差，导致采样出的图像带有噪声。

关键观点3: 系数保持采样的概念

提出系数保持采样的概念，并指出Flow-SDE不符合该要求。

关键观点4: 新的采样公式的提出

符合系数保持采样的新采样公式，能够在高噪声强度下产生干净的图像。

关键观点5: Flow-SDE采样误差的根源

揭示了Flow-SDE采样误差的根源在于其推导过程中的泰勒展开。

关键观点6: 实验结果

新的采样方法在实验中取得了良好的效果，能够显著提高reward的计算和优化效果。