lucidrains/rectified-flow-pytorch

解决的问题

本项目提供了 Rectified Flow 的 PyTorch 实现，这是一种生成建模技术，旨在使噪声与数据之间的路径更直接（更直线），从而简化采样过程并提高效率。

工作原理

实现了核心的 Rectified Flow 算法以及后续多项研究改进。该库允许用户定义模型（如 UNet），并将其包装在 RectifiedFlow 类中以处理训练损失和采样。还支持“reflow”——一种迭代优化流以进一步拉直轨迹的过程，可能实现更快的生成。

适用人群

专注于生成式 AI 的研究人员和开发者，特别是对流匹配以及图像合成中传统扩散模型替代方案感兴趣的人。

主要亮点

• Reflow 支持：包含 Reflow 类，用于迭代拉直生成路径。
• 集成训练器：基于 accelerate 库提供 Trainer，便于模型训练。
• 多样化的实现：包含 LSD 流、SoFlow、Split Mean Flow、无约束对齐（UA）流、拉普拉斯多尺度流匹配等高级变体。
• 开箱即用的组件：内置 Unet 和 ImageDataset，可快速进行实验。