연구진은 이미지 생성 모델 학습 시 발생하는 '플로우 콜랩스' 문제를 해결하기 위해 Posterior-Augmented Flow Matching (PAFM)이라는 새로운 방법을 제안했습니다.
PAFM은 기존 Flow Matching (FM)의 단점을 보완하기 위해, 단일 타겟 지도 대신 여러 후보 타겟을 활용하여 학습하는 방식으로, 이론적으로도 FM 목표 함수를 정확하게 추정하며 그래디언트 분산을 줄입니다.
실험 결과, PAFM은 다양한 모델 규모, 구조, 조건에서 FM보다 최대 3.4배 향상된 FID50K 점수를 달성했으며, 계산 비용 증가가 미미했습니다.