条件流匹配框架用于视觉引导音频重混

研究者将视觉引导的音频高亮重构为生成问题，提出条件流匹配（CFM）框架。该方法针对迭代式流生成中早期源选择误差逐步累积、轨迹偏离流形的问题，引入 rollout loss 惩罚最终步漂移以稳定长程流积分。研究称该方法在定量与定性评估中持续超越此前的判别式 SOTA，表明视觉引导的音频重混更适合用生成建模解决。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。