FlowBudget: Training-Free Sampling-Budget Estimation for Flow Matching Models

arXiv:2610.20636v1 公告类型：新

摘要：从连续流生成器（如 flow matching 模型）中采样需要数值 ODE 或 SDE 积分，这使得推理成本取决于函数评估次数（NFE）。在实践中，采样预算沿用自先前工作，或通过昂贵的 FID 对 NFE 的扫描来选取，使用 FID 评估图像生成质量，需要在多个预算下生成样本并进行评估。这使得采样预算的选择依赖于重复的经验评估。因此，我们提出一个与求解器设计和时间步分配互补的问题：对于固定的预训练模型和求解器，什么样的数值分辨率是足够的？我们提出 FLOWBUDGET，一种无需训练的、求解器相对的采样复杂度估计器。利用对所学动力学的无仿真插值探针，FLOWBUDGET 将主导的一步离散化误差按运动量归一化，从插值探针估计其系数，并利用求解器阶数将数值容差映射为步数预算。我们推导了 flow matching 采样中数值求解器的估计器，即用于 ODE 采样的 Euler 和 Heun，以及用于 SDE 采样的加性噪声 Euler--Maruyama，并将 ODE 系数与终端积分误差联系起来。在 SiT、FlowDCN 和 Rectified Flow 模型上的实验，涵盖流模型架构与形式，检验 FLOWBUDGET 能否在不在多个预算下生成样本、也不执行 FID 对 NFE 扫描的情况下估计 NFE 预算。代码可在 https://github.com/Yasaman-dt/FlowBudget 获取。