Posterior Flow Matching 生成建模框架提出

Posterior Flow Matching（PFM）是一种生成建模框架，通过高斯后验模型学习条件速度均值与逐分量方差，使同一次模型评估同时给出传输预测和端点不确定性。其学到的矩支持均值驱动的 ODE 和后验驱动的 SDE，后者的局部噪声尺度会随预测不确定性自适应调整。在图像、点云、分子和动作生成任务上，PFM 提升了生成质量，并可在整个生成过程中提供端点后验读数。

摘自 arXiv Artificial Intelligence

还没有足够的连续观测数据，暂不绘制趋势。