연구진은 플로우 매칭의 이론적 장점에도 불구하고 고차원 공간에서 속도 결손(Velocity Deficit) 현상이 발생한다고 밝혔습니다. 속도 결손은 데이터 매니폴드에 도달하지 못하는 샘플 생성 실패와 연관되며, 이를 '적분 지연(Integration Lag)'이라고 명명했습니다.
연구진은 속도 결손 문제를 해결하기 위해 초기 에너지 주입(Initial Energy Injection) 기법을 제안했으며, 훈련 기반의 MAFM과 훈련 없이 적용 가능한 SSC 두 가지 방법을 제시했습니다.
SSC는 훈련 없이 단 한 줄의 코드로 구현 가능하며, ImageNet-1k 데이터셋에서 FID 점수를 44.6% 향상시키고 5배 빠른 속도를 달성하여 기존 250단계 기준을 능가하는 성능을 보였습니다.