연구진은 헤비테일 데이터에 적합한 HTFM(Heavy-Tailed Flow Matching via Random Clocks) 프레임워크를 제안했어요. HTFM은 헤비테일 분포를 시계(clock)-조건부 가우시안 분포의 혼합으로 표현하는 방식이에요.
시계 조건부 벡터장은 잘려나간 로그 시그니처 특징을 사용하여 구현하여 실현 가능성을 높였어요. 실험 결과, HTFM은 기존 방식 대비 모드 커버리지, 샘플 품질, 꼬리 통계 복구 성능이 향상됐어요.
HTFM은 2D 헤비테일 혼합, CIFAR10-LT, HRRR 기상 데이터셋에서 우수한 성능을 보였어요. 또한, 시계 법칙이나 꼬리 파라미터를 변경하여 생성되는 꼬리의 '무게'를 조절할 수 있는 인터페이스를 제공해요.
HTFM은 기존 플로우 매칭 방식의 저렴한 NFE(Number of Forward Passes) 샘플링 장점을 유지하면서도 헤비테일 데이터에 대한 성능을 개선했어요.