🤖 machine learning

Beckmann Transport Models: From Autonomous Flows to One-Step Maps

यह शोधपत्र स्वायत्त प्रवाह (autonomous flows) और एक-चरणीय मानचित्रों (one-step maps) पर आधारित एक एकीकृत ढांचे को प्रस्तुत करता है जो बेकमैन की परिवहन समस्या (Beckmann's transportation problem) की एक गतिक व्याख्या प्रदान करता है, जिससे विलक्षण लक्ष्य वितरणों (singular target distributions) के लिए सटीक जनरेटिव मानचित्रों को सीधे सीखना संभव हो जाता है और मौजूदा विधियों में विसंगतियों को सुधारते हुए ImageNet पर प्रभावशीलता प्रदर्शित करता है।

मूल लेखक: Lee Cheuk-Kit, Florentin Coeurdoux, Peter Potaptchik, Yilun Du, Michael Samuel Albergo, Eric Vanden-Eijnden

प्रकाशित 2026-08-04

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lee Cheuk-Kit, Florentin Coeurdoux, Peter Potaptchik, Yilun Du, Michael Samuel Albergo, Eric Vanden-Eijnden

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ कंप्यूटर नई चीज़ों की कल्पना कर सकते हैं, जैसे कि एक ऐसी बिल्ली की तस्वीर बनाना जो पहले कभी अस्तित्व में नहीं रही, या एक ऐसा गीत रचना जो पहले कभी नहीं सुना गया हो। यह जेनरेटिव एआई (generative AI) का क्षेत्र है। ऐसा करने के लिए, इन डिजिटल कलाकारों को एक शुद्ध यादृच्छिकता (जैसे पुराने टीवी पर दिखने वाली स्टैटिक स्क्रीन) के खाली कैनवास से एक विशिष्ट, अर्थपूर्ण छवि में सुचारू रूप से बदलने का एक तरीका चाहिए। वर्षों तक, इसे करने का सबसे लोकप्रिय तरीका एक धीमी, सावधानीपूर्ण नृत्य की तरह रहा है: कंप्यूटर एक छोटा कदम उठाता है, अपनी दिशा की जाँच करता है, दूसरा छोटा कदम उठाता है, और तब तक इसे सैकड़ों बार दोहराता है जब तक कि तस्वीर स्पष्ट न हो जाए। यह विश्वसनीय है, लेकिन यह धीमा और गणनात्मक रूप से महंगा है, जैसे एक कमरे को एक बार में एक इंच करके पार करना।

हाल ही में, वैज्ञानिक एक "शॉर्टकट" खोजने की कोशिश कर रहे हैं—एक ऐसा तरीका जिससे स्टैटिक से सीधे तैयार तस्वीर तक एक ही छलांग में पहुँचा जा सके। कुछ शोधकर्ताओं ने एक "एक-चरण" (one-step) मानचित्र बनाने की कोशिश की, लेकिन उन्हें एक समस्या का सामना करना पड़ा: उनके शॉर्टकट थोड़े टेढ़े थे। वे सही तस्वीर के करीब तो पहुँच जाते थे, लेकिन विवरण धुंधले होते थे या अनुपात गलत होता था, जैसे कि एक ऐसा नक्शा जो आपको सही शहर तो ले जाता है लेकिन गलत मोहल्ले में छोड़ देता है। यह शोध पत्र विशेष रूप से इसी पहेली को सुलझाता है। यह पूछता है: क्या हम एक आदर्श, एक-चरण वाला मानचित्र बना सकते हैं जो केवल अनुमान नहीं लगाता, बल्कि गणितीय रूप से गारंटी देता है कि छवियों का अंतिम संग्रह सटीक रूप से लक्षित वितरण (target distribution) से मेल खाता है? लेखक इस प्रश्न का उत्तर देने के लिए बेकमैन ट्रांसपोर्ट मॉडल्स (Beckmann Transport Models) नामक एक नया ढांचा प्रस्तावित करते हैं, जो इन "इंस्टेंट" जनरेटरों को तेज़ और सटीक दोनों बनाने का एक तरीका प्रदान करता है।

वह "वन-स्टेप" शॉर्टकट जो वास्तव में काम करता है

एआई द्वारा चित्र बनाने के तरीके को एक नदी के रूप में सोचें जो एक पर्वतीय झील (रैंडम नॉइज़) से नीचे घाटी (अंतिम छवि) की ओर बह रही है। पुराने तरीकों में, नदी का मार्ग हर सेकंड बदलता है; पानी की गति समय के साथ तेज, धीमी या अलग तरह से घूम सकती है। इसे "समय-निर्भर" (time-dependent) प्रवाह कहा जाता है। यह अच्छा काम करता है, लेकिन इसके लिए कंप्यूटर को यात्रा के हर एक सेकंड का अनुकरण (simulate) करने की आवश्यकता होती है।

इस शोध पत्र के लेखकों ने एक साहसी प्रश्न पूछा: क्या होगा यदि नदी का मार्ग निश्चित हो? एक ऐसी नदी की कल्पना करें जहाँ धारा कभी दिशा या गति नहीं बदलती, चाहे आप कहीं भी हों या जब भी शुरू करें। यह एक स्वायत्त प्रवाह (autonomous flow) है। यदि आप ऊपर एक पत्ता छोड़ते हैं, तो वह हर बार नीचे तक जाने के लिए ठीक उसी पथ का अनुसरण करता है। विचार यह है कि यदि हम इस एक, अपरिवत धारा को खोज सकें, तो सैद्धांतिक रूप से हम एक पत्ता छोड़ सकते हैं और उसे पूरी यात्रा का अनुकरण किए बिना तुरंत गंतव्य तक पहुँचते हुए देख सकते हैं।

हालाँकि, एक पेच था। इस प्रकार के "निश्चित पथ" वाले जनरेटर को बनाने का एक पिछला प्रयास, जिसे इक्विलिब्रियम मैचिंग (Equilibrium Matching) कहा जाता था, उसमें एक छिपा हुआ दोष था। यह एक टूटे हुए स्टीयरिंग व्हील वाली कार चलाने की तरह था: कार अंततः सही मोहल्ले में तो पहुँच जाएगी, लेकिन वह गलत घर के सामने पार्क हो जाएगी। उस पद्धति के पीछे के गणित ने यह गारंटी नहीं दी कि प्रत्येक घर पर पहुँचने वाली कारों की संख्या वहाँ रहने वाले लोगों की संख्या से मेल खाती है। इस शोध पत्र के लेखकों ने सिद्ध किया कि पुराने तरीके का "स्टीयरिंग व्हील" वास्तव में टूटा हुआ था और उन्होंने इसका समाधान भी दिया।

"सिंगुलर" गंतव्य का जादू

इस नए तरीके में "सीक्रेट सॉस" गंतव्य के एक विशिष्ट गुण पर निर्भर करता है। एआई छवियों की दुनिया में, अंतिम तस्वीरें (जैसे बिल्ली की फोटो) एक "लोअर-डायमेंशनल मैनिफोल्ड" (lower-dimensional manifold) पर रहती हैं। इसे सरल रूप में समझने के लिए: कल्पना कीजिए कि 256x256 पिक्सेल की सभी संभावित छवियों का ब्रह्मांड एक विशाल, 65,000-आयामी कमरा है। लेकिन बिल्लियों की सभी वास्तविक तस्वीरें उस कमरे के भीतर तैरते हुए एक छोटे, सपाट कागज की तरह हैं। वह कागज "सिंगुलर" गंतव्य है।

लेखक दिखाते हैं कि यदि आपका गंतव्य इस प्रकार का "सपाट कागज" (या परमाणुओं की एक सूची जैसे विशिष्ट बिंदु) है, तो एक निश्चित, अपरिवत धारा रैंडम नॉइज़ को लक्ष्य तक पूरी तरह से पहुँचा सकती है। उन्होंने सिद्ध किया कि यदि आप धारा को सही ढंग से सेट करते हैं, तो पानी की हर बूंद एक ऐसे पथ का अनुसरण करेगी जो उसे ठीक उस शीट तक ले जाएगा, और पानी का अंतिम वितरण शीट के आकार से पूरी तरह मेल खाएगा।

वे इसे बेकमैन ट्रांसपोर्ट मॉडल कहते हैं। इसका नाम माल को कुशलतापूर्वक स्थानांतरित करने के एक पुराने गणितीय समस्या के नाम पर रखा गया है, लेकिन यहाँ, "माल" पिक्सेल हैं, और "ट्रांसपोर्ट" एआई का प्रवाह है। मुख्य खोज यह है कि यह निश्चित प्रवाह एक सरल नियम का पालन करता है: जितना "सामान" अंदर आ रहा है, उतना ही बाहर जा रहा है, जिसे गंतव्य के आकार के अनुसार समायोजित किया गया है। यह नियम एक ट्रैफिक कानून की तरह काम करता है जो सुनिश्चित करता है कि कोई कार खो न जाए या डुप्लिकेट न हो जाए।

"वन-स्टेप" मानचित्र: सिद्धांत से व्यवहार तक

इस शोध पत्र का सबसे रोमांचक हिस्सा यह है कि वे इस निश्चित प्रवाह के साथ क्या करते हैं। आमतौर पर, बिंदु A से बिंदु B तक जाने के लिए, आपको चरण-दर-चरण एक जटिल समीकरण को हल करना पड़ता है। लेकिन लेखकों ने एक विशेष "संरक्षण समीकरण" (conservation equation) की खोज की। इसे एक खजाने के नक्शे की तरह समझें जहाँ खजाना (अंतिम छवि) छिपा हुआ है, लेकिन नक्शे में एक नियम है: "यदि आप नदी के साथ चलते हैं, तो खजाने का स्थान कभी नहीं बदलता।"

चूंकि खजाने का स्थान पथ के साथ स्थिर रहता है, इसलिए लेखकों ने महसूस किया कि वे एक न्यूरल नेटवर्क को सीधे खजाने के स्थान को सीखने के लिए प्रशिक्षित कर सकते हैं, बिना नदी की यात्रा का अनुकरण किए। उन्होंने एआई को एक रैंडम नॉइज़ पॉइंट को देखना और यह अनुमान लगाना सिखाया कि यदि वह नदी के प्रवाह का अनुसरण करता है, तो वह अंततः कहाँ पहुँचेगा, जिसके लिए उन्होंने "रेसिडुअल लॉस" (residual loss) नामक एक सरल गणितीय ट्रिक का उपयोग किया।

यह एक वन-स्टेप मैप की ओर ले जाता है। एक छवि उत्पन्न करने के लिए 50 या 100 छोटे कदम उठाने के बजाय, एआई अब इसे एक ही 'फॉरवर्ड पास' में कर सकता है। यह पैदल चलने के रास्ते के बजाय एक टेलीपोर्टेशन डिवाइस होने जैसा है।

क्या यह काम आया? परिणाम

टीम ने दो स्तरों पर इस विचार का परीक्षण किया:

सरल आकार: उन्होंने 2D आकृतियों, जैसे स्पाइरल या बिंदुओं के समूह के साथ शुरुआत की। उन्होंने दिखाया कि उनके सुधारे गए तरीके (बेकमैन ट्रांसपोर्ट मॉडल्स) ने पुराने तरीके की "गलत घर के सामने पार्क होने" वाली समस्या को ठीक कर दिया। पुराना तरीका कुछ बिंदुओं पर बहुत अधिक और कुछ पर बहुत कम भार डाल देता था, लेकिन नए तरीके ने भार को बिल्कुल सही तरीके से व्यवस्थित किया।
वास्तविक छवियाँ: वे इसे बड़े स्तर पर ले गए: ImageNet डेटासेट (फोटोज का एक विशाल संग्रह) से 256x256 छवियाँ उत्पन्न करना।
- बायस (Bias) को ठीक करना: जब उन्होंने मौजूदा इक्विलिब्रियम मैचिंग मॉडल पर अपना "फिक्स्ड पाथ" सुधार लागू किया, तो छवियाँ थोड़ी बेहतर हो गईं (FID स्कोर 1.90 से गिरकर 1.87 हो गया)। यह कोई बहुत बड़ी क्रांति नहीं थी, लेकिन इसने सिद्ध किया कि यह सिद्धांत वास्तविक डेटा पर काम करता है और बिना किसी अतिरिक्त लागत के गणितीय विसंगति को ठीक करता है।
- वन-स्टेप जनरेशन: उन्होंने एक वास्तविक वन-स्टेप जनरेटर के रूप में एक मॉडल को प्रशिक्षित किया। अन्य तरीकों की तरह किसी भी अतिरिक्त "गाइडेंस" ट्रिक्स के बिना, उनके मॉडल ने 17.58 का FID स्कोर प्राप्त किया। हालांकि यह धीमे, मल्टी-स्टेप मॉडलों (जो 2.0 के करीब स्कोर प्राप्त कर सकते हैं) जितना सटीक नहीं है, फिर भी यह एक महत्वपूर्ण उपलब्धि है। यह दर्शाता है कि "टेलीपोर्टेशन" का विचार व्यवहार्य है, भले ही इसे अभी भी परिष्कृत किया जा रहा हो।

यह क्यों महत्वपूर्ण है

यह शोध पत्र केवल एक नया तरीका नहीं देता; यह सोचने का एक नया तरीका प्रदान करता है। यह एआई जनरेशन की अव्यवस्थपूर्ण, गतिशील दुनिया को एक स्वच्छ, स्थिर गणितीय ढांचे से जोड़ता है। यह सिद्ध करता है कि डेटा को स्थानांतरित करने के लिए आपको एक जटिल, समय-परिवर्तित नदी की आवश्यकता नहीं है; एक सरल, अपरिवत धारा पर्याप्त है, बशर्ते आप गंतव्य की ज्यामिति का सम्मान करें।

भवि vực के लिए, इसका अर्थ यह है कि हम ऐसे एआई जनरेटर देख सकते हैं जो अविश्वसनीय रूप से तेज़ हों, जो सेकंड या मिनटों के बजाय पलक झपकते ही उच्च गुणवत्ता वाली छवियाँ बनाने में सक्षम हों। लेखक सुझाव देते हैं कि यह टेक्स्ट जनरेशन के लिए भी काम कर सकता है, जहाँ "गंतव्य" पिक्सेल के बजाय विशिष्ट शब्द होते हैं। हालाँकि वर्तमान वन-स्टेप मॉडल अभी तक धीमे मॉडलों जितने शार्प नहीं हैं, फिर भी इसने तेज़ और बेहतर बनाने के लिए एक द्वार खोल दिया है, जिससे तत्काल एआई निर्माण के सपने को वास्तविकता में बदला जा सके।

तकनीकी सारांश: बेकमैन ट्रांसपोर्ट मॉडल (Beckmann Transport Models)

समस्या विवरण (Problem Statement)

फ्लो मैचिंग (flow matching) और डिफ्यूजन मॉडल्स के माध्यम से मानक जनरेटिव मॉडलिंग, एक आधार वितरण $\mu_0$ से लक्ष्य वितरण $\mu_1$ तक नमूनों (samples) को ले जाने के लिए समय-निर्भर वेग क्षेत्रों (drifts) पर निर्भर करती है। हालांकि यह प्रभावी है, लेकिन इसके लिए एक निश्चित अंतराल $[0, 1]$ पर एक समय-निर्भर साधारण अवकल समीकरण (ODE) को एकीकृत (integrate) करना आवश्यक होता है, जो इन्फरेंस (inference) के समय कम्प्यूटेशनल रूप से महंगा होता है।

एक वैकल्पिक दृष्टिकोण, जिसे वांग और डु [2025] द्वारा "इक्विलिब्रियम मैचिंग" (Equilibrium Matching - EM) के रूप में प्रस्तावित किया गया है, ड्रिफ्ट को समय-स्वतंत्र (autonomous) होने के लिए सीमित करता है। यह आर्किटेक्चर और डायनेमिकल सिस्टम को सरल बनाता है। हालांकि, मूल EM फॉर्मूलेशन में यह कठोर प्रमाण नहीं था कि एक स्वायत्त प्रवाह (autonomous flow) एक समय-स्वतंत्र ड्रिफ्ट के साथ वास्तव में $\mu_0$ को $\mu_1$ तक सटीक रूप से ले जा सकता है। इसके अतिरिक्त, मूल EM पेपर में प्रस्तावित लॉस फंक्शन ने परिवहन में पूर्वाग्रह (bias) उत्पन्न किया, जो सही द्रव्यमान आवंटन (mass allocation) को लागू करने में विफल रहा, विशेष रूप से तब जब लक्ष्य वितरण एक निम्न-आयामी मैनिफोल्ड (lower-dimensional manifold) पर समर्थित हो।

कार्यप्रणाली (Methodology)

यह शोध पत्र बेकमैन ट्रांसपोर्ट मॉडल्स (BTM) पेश करता है, जो एक ढांचा (framework) है जो एक समय-स्वतंत्र वेग क्षेत्र $b: \mathbb{R}^d \to \mathbb{R}^d$ का उपयोग करके फ्लो मैचिंग को क्रियान्वित करता है। मुख्य सैद्धांतिक अंतर्दृष्टि यह है कि यदि लक्ष्य वितरण $\mu_1$ सिंगुलर (singular) है (अर्थात एक निम्न-आयामी मैनिफोल्ड $M_1$ पर समर्थित है), तो एक समय-स्वतंत्र ड्रिफ्ट एक वैध ट्रांसपोर्ट मैप को परिभाषित कर सकता है।

1. स्वायत्त प्रवाह और डाइवर्जेंस स्थिति (Autonomous Flow and Divergence Condition)

लेखक स्थापित करते हैं कि एक समय-स्वतंत्र ड्रिफ्ट $b$ एक वैध ट्रांसपोर्ट को परिभाषित करता है यदि वह एक सकारात्मक भार फलन (weight function) $\nu$ के शामिल डाइवर्जेंस समीकरण को संतुष्ट करता है:
$\nabla \cdot (\nu b) = \mu_0 - \mu_1$
यहाँ, $\mu_0$ स्रोत (source) के रूप में और $\mu_1$ सिंक (sink) के रूप में कार्य करता है। भार $\nu$ मानक फ्लो मैचिंग सेटअप में समय-औसत इंटरपोलेट वितरण (time-averaged interpolant distribution) का प्रतिनिधित्व करता है।

अभिसरण (Convergence): इस स्थिति के तहत, स्वायत्त ODE $\dot{X}_t = b(X_t)$ के प्रक्षेपवक्र (trajectories) $\mu_0$ से शुरू होकर $M_1$ के सपोर्ट पर अभिसरित होते हैं।
ट्रांसपोर्ट मैप: हिटिंग टाइम (hitting time) $\tau(x_0)$ (जो $M_1$ पर ड्रिफ्ट व्यवहार के आधार पर परिमित या अनंत हो सकता है) एक मैप $T(x_0) = \lim_{t \to \tau} X_t(x_0)$ को परिभाषित करता है जो $\mu_0$ को $\mu_1$ में पुश करता है ( $T_\sharp \mu_0 = \mu_1$ )।

2. इक्विलिब्रियम मैचिंग का सुधार (Correction of Equilibrium Matching)

पेपर पहचान करता है कि मूल इक्विलिब्रियम मैचिंग लॉस एक रिग्रेशन ऑब्जेक्टिव को कम करता है जो सटीक परिवहन के लिए आवश्यक डाइवर्जेंस स्थिति को सख्ती से संतुष्ट नहीं करता है। इंटरपोलेट के शेड्यूल को स्वयं इंटरपोलेट के हिस्से के रूप में मानकर (लक्ष्य पर अलग स्केलिंग फैक्टर के बजाय), लेखक एक संगत लॉस (consistent loss) (समीकरण 5) व्युत्पन्न करते हैं जो यह सुनिश्चित करता है कि सीखा गया ड्रिफ्ट डाइवर्जेंस स्थिति को संतुष्ट करता है। यह सुधार मूल EM पद्धति में देखे गए द्रव्यमान-आवंटन पूर्वाग्रह (mass-allocation bias) को समाप्त करता है।

3. संरक्षण समीकरण के माध्यम से वन-स्टेप मैप (One-Step Map via Conservation Equation)

एक प्रमुख योगदान ट्रांसपोर्ट मैप $T$ का लक्षण वर्णन है, न तो ODE एकीकरण के परिणाम के रूप में, बल्कि प्रवाह प्रक्षेपवक्रों के साथ एक संरक्षण समीकरण (conservation equation) के अद्वितीय समाधान के रूप में:
$b(x) \cdot \nabla T(x) = 0 \quad \text{for } x \notin M_1$
साथ ही बाउंड्री कंडीशन $T(x) = x$ जब $x \in M_1$ ।
यह समीकरण दर्शाता है कि मैप $T$ का मान $b$ की फ्लो लाइनों के साथ स्थिर रहता है। यह संरचनात्मक अंतर्दृष्टि ODE समाधान के बिना सीधे $T$ को सीखने की अनुमति देती है।

4. प्रत्यक्ष शिक्षण उद्देश्य (Direct Learning Objective)

नमूनों से सीधे $T$ को सीखने के लिए, लेखक फ्लो मैप को नियंत्रित करने वाले यूलरियन समीकरण (Eulerian equation) को विविक्त (discretize) करते हैं। एक फॉरवर्ड-यूलर स्टेप का उपयोग करते हुए, वे एक रिग्रेशन ऑब्जेक्टिव (समीकरण 15) व्युत्पन्न करते हैं जो एक नेटवर्क $T_\theta$ को फ्लो अनुक्रम में अगली अवस्था की भविष्यवाणी करने के लिए प्रशिक्षित करता है:
$\mathcal{L}(T) = \mathbb{E}_{t, x_0, x_1} \left[ \left| T(I_t) - \text{sg}\left( T(I_t) + \dot{I}_t \cdot \nabla T(I_t) \right) \right|^2 \right] + \lambda \mathbb{E}_{x_1} \left[ |T(x_1) - x_1|^2 \right]$
जहाँ $\text{sg}$ स्टॉप-ग्रेडिएंट (stop-gradient) ऑपरेटर है। यह वन-स्टेप जनरेशन ( $x_1 = T(x_0)$ ) या पुनरावृत्त परिशोधन (iterative refinement) ( $x_1 = T^k(x_0)$ ) को सक्षम बनाता है, बिना संख्यात्मक ODE एकीकरण के।

मुख्य योगदान (Key Contributions)

सैद्धांतिक औचित्य: सिद्ध करता है कि समय-स्वतंत्र फ्लो मैचिंग ड्रिफ्ट्स सिंगुलर लक्ष्यों तक वैध ट्रांसपोर्ट को परिभाषित करते हैं, जो लॉस करेक्शन के साथ इक्विलिब्रियम मैचिंग को पुनः प्राप्त करते हैं।
सामान्य ढांचा: दिखाता है कि कोई भी जोड़ा $(\nu, b)$ जो डाइवर्जेंस समीकरण $\nabla \cdot (\nu b) = \mu_0 - \mu_1$ को संतुष्ट करता है, एक वैध स्वायत्त ट्रांसपोर्ट प्रदान करता है। यह फ्लो मैचिंग (जहाँ $\nu$ समय-औसत इंटरपोलेट है) और प्रशिक्षण-मुक्त पॉइसन फ्लो जेनेरेटिव मॉडल (जहाँ $\nu \equiv 1$ ) को एकीकृत करता है।
संरक्षण समीकरण: एक अद्वितीय संरक्षण समीकरण ( $b \cdot \nabla T = 0$ ) व्युत्पन्न करता है जो ट्रांसपोर्ट मैप को परिभाषित करता है, जो बेकमैन के परिवहन समस्या के फ्लक्स बाधा (flux constraint) की एक गतिशील व्याख्या प्रदान करता है।
प्रत्यक्ष मैप लर्निंग: नमूनों से सीधे ट्रांसपोर्ट मैप $T$ को सीखने के लिए एक विधि प्रस्तावित करता है, जो फ्लो के यूलरियन समीकरण से प्राप्त रेसिडुअल लॉस का उपयोग करता है, जिससे इन्फरेंस के दौरान ODE एकीकरण से बचा जा सकता है।
पूर्वाग्रह सुधार: यह प्रदर्शित करता है कि मूल इक्विलिब्रियम मैचिंग लॉस द्रव्यमान आवंटन में पूर्वाग्रह लाता है और एक सुधारा गया, सुसंगत इंटरपोलेट प्रदान करता है जो बिना किसी अतिरिक्त लागत के इस समस्या को हल करता है।

प्रयोगात्मक परिणाम (Experimental Results)

लेखक 2D परमाणु लक्ष्यों (atomic targets) और इमेज बेंचमार्क पर अपने सिद्धांत को सत्यापित करते हैं:

2D परमाणु लक्ष्य: सुधारा गया BTM लॉस मोड के बीच लगभग पूर्ण द्रव्यमान आवंटन (MAE $\approx$ 0.005) प्राप्त करता है, जबकि मूल इक्विलिब्रियम मैचिंग लॉस गलत बेसिन संरचनाओं के कारण महत्वपूर्ण पूर्वाग्रह (MAE $\approx$ 0.102) दिखाता है।
पुनरावृत्त अभिसरण (Iterative Convergence): उच्च आयामों में एम्बेडेड स्पाइरल टारगेट पर, एक आंशिक रूप से प्रशिक्षित मैप $T$ विसरित (diffuse) नमूने उत्पन्न करता है, लेकिन मैप को दोहराने (जैसे, $T^3$ ) से जनरेशन तीक्ष्ण (sharpen) हो जाता है, जो स्वायत्त प्रवाह प्रक्षेपवक्र की ओर अभिसरित होता है। एक पूर्ण रूप से प्रशिक्षित $T$ एक ही चरण में फ्लो से मेल खाता है।
ImageNet 256x256:
- सुधार: इक्विलिब्रियम मैचिंग आर्किटेक्चर (EqM-XL/2) पर सुसंगत लॉस लागू करने से बिना आर्किटेक्चर या प्रशिक्षण बजट बदले FID को 1.90 से 1.87 तक सुधारा।
- वन-स्टेप जनरेशन: SD-VAE लेटेंट स्पेस पर डायरेक्ट मैप को प्रशिक्षित करने से एक फॉरवर्ड पास (बिना क्लासिफायर-फ्री गाइडेंस के) के साथ 17.58 का FID प्राप्त हुआ। यह एक-चरण विधियों जैसे iCT (FID 30.10) से बेहतर प्रदर्शन करता है, और उन विधियों के प्रतिस्पर्धी है जिनमें गाइडेंस की आवश्यकता होती है, हालांकि यह मल्टी-स्टेप डिफ्यूजन मॉडल्स से नीचे है।

महत्व और दावे (Significance and Claims)

यह पेपर दावा करता है कि यह एक एकीकृत ढांचा (unifying framework) प्रदान करता है जो क्लोज्ड-फॉर्म मॉडल्स (पॉइसन फ्लो) और हालिया इक्विलिब्रियम-आधारित विधियों को एक एकल सैद्धांतिक छत्र के तहत प्राप्त करता है। बेकमैन के परिवहन समस्या से जोड़कर, लेखक एक फ्लक्स बाधा के लिए एक गतिशील व्याख्या प्रदान करते हैं जो पहले लुप्त थी, जो बेनामू-ब्रिएर (Benamou–Brenier) के मोन्गे-कांतोरोविच ऑप्टिमल ट्रांसपोर्ट से भिन्न है।

इसका महत्व निम्नलिखित में निहित है:

सैद्धांतिक कठोरता: यह सिद्ध करना कि स्वायत्त प्रवाह वास्तव में सिंगुलर मैनिफोल्ड्स तक सटीक रूप से ले जा सकते हैं।
व्यावहारिक दक्षता: मैप को सीधे सीखकर वन-स्टेप जनरेशन को सक्षम बनाना, जिससे इन्फरेंस के दौरान ODE एकीकरण की आवश्यकता समाप्त हो जाती है।
मौजूदा विधियों का सुधार: मूल इक्विलिब्रियम मैचिंग लॉस फंक्शन में एक मौलिक पूर्वाग्रह की पहचान करना और उसे ठीक करना।
डिजाइन लचीलापन: $\nu$ को एक डिजाइन नॉब के रूप में पेश करना जो विभिन्न जनरेटिव मॉडल्स (जैसे, FM बनाम पॉइसन फ्लो) के बीच ट्रेड-ऑफ को नियंत्रित करता है और लक्ष्य मैनिफोल्ड के पास ड्रिफ्ट के व्यवहार को नियंत्रित करता है।

लेखक ImageNet पर मल्टी-स्टेप डिफ्यूजन मॉडल्स की तुलना में BTM के वर्तमान प्रदर्शन के संबंध में विनम्र रहते हैं, यह नोट करते हुए कि 17.58 का FID "मामूली" है लेकिन इस दृष्टिकोण की व्यवहार्यता को प्रदर्शित करता है। वे क्लासिफायर-फ्री गाइडेंस को BTM में विस्तारित करने और प्रशिक्षण समय एवं इन्फरेंस पुनरावृत्तियों के बीच के ट्रेड-ऑफ को अनुकूलित करने को भविष्य के कार्य के रूप में चिह्नित करते हैं।