lucidrains/rectified-flow-pytorch

何を解決するか

このプロジェクトは、ノイズとデータの間の経路をより直線的（直線化）にすることで、サンプリングプロセスを簡素化し、効率を向上させる生成モデル技術であるRectified FlowのPyTorch実装を提供します。

動作方法

コアのRectified Flowアルゴリズムと、その後の研究による改善を実装しています。ユーザーはモデル（たとえばUNet）を定義し、RectifiedFlowクラスでラップすることで、学習損失とサンプリングを処理できます。また、「reflow」というプロセスもサポートしており、反復的に流れをさらに直線化することで、生成速度の向上が可能になります。

対象ユーザー

画像合成におけるフローマッチングや従来の拡散モデルの代替手法に興味を持つ、生成AIに関する研究者や開発者。

特徴

• Reflowサポート: 経路を反復的に直線化するためのReflowクラスを含みます。
• 統合トレーナー: accelerateライブラリに基づくTrainerを提供し、モデルの学習をより簡単にします。
• 多様な実装: LSDフロー、SoFlow、Split Mean Flow、Unconstrained Alignment (UA) フロー、ラプラシアンマルチスケールフローマッチングなどの高度なバリエーションを含みます。
• 即時利用可能なコンポーネント: すぐに実験できるように、組み込みのUnetとImageDatasetを備えています。