lucidrains/rectified-flow-pytorch

解決的問題

本專案提供 Rectified Flow 的 PyTorch 實作，這是一種生成模型技術，旨在使噪音與資料之間的路徑更直接（更筆直），從而簡化取樣過程並提升效率。

工作原理

實作了核心的 Rectified Flow 算法以及後續多項研究改進。該程式庫允許使用者定義模型（例如 UNet），並以 RectifiedFlow 類別包裝，以處理訓練損失與取樣。同時支援「reflow」——一種迭代優化流以進一步拉直軌跡的過程，可能實現更快的生成。

適用對象

專注於生成式 AI 的研究人員與開發者，特別是對流匹配以及圖像合成中傳統擴散模型替代方案感興趣的人。

主要亮點

• Reflow 支援：包含 Reflow 類別，用於迭代拉直生成路徑。
• 整合訓練器：基於 accelerate 套件提供 Trainer，便於模型訓練。
• 多樣化實作：包含 LSD 流、SoFlow、Split Mean Flow、無束縛對齊（UA）流、拉普拉斯多尺度流匹配等高階變體。
• 開箱即用的元件：內建 Unet 與 ImageDataset，可快速進行實驗。