Recursive Flow Matching

Recursive Flow Matching(RecFM)은 복잡한 시공간 동역학을 예측하기 위한 생성 프레임워크를 도입하며, 이산화 스케일 전반에 걸친 자기 일관성을 강제함으로써 높은 물리적 정확도와 계산 효율성을 달성한다.

Recursive Flow Matching은 복잡한 시공간 물리 현상을 한두 번 또는 몇 번의 생성 단계로 빠르게 예측하기 위한 흐름 정합 방법이다. 서로 다른 시간 이산화 크기에서 얻은 궤적이 일치하도록 하나의 네트워크에 재귀적 자기 일관성을 강제해 단계 축소로 생기는 오차를 줄인다. 과학 벤치마크에서 1단계와 2~4단계 생성만으로 여러 단계의 최신 해법과 비슷한 충실도를 보였다고 보고했다. 주요 확산 기반 에뮬레이터보다 최대 20배 빠르면서 예측 정확도를 높였고, 기본 흐름 정합과 비교해서는 평균제곱오차를 15% 넘게 줄였다. 다만 물리 방정식 기반 자료보다 의미 변화가 복잡한 실제 영상으로 확장하는 일은 아직 어렵고, 현실적 비디오 영역의 검증은 후속 과제로 남아 있다.

핵심 요약

• 트레이드오프 제거: 대부분의 모델이 속도와 정확도 사이의 선택을 강요하는 반면, RecFM은 재귀적 학습을 사용해 두 가지를 동시에 향상시킨다.
• 명시적 스케일 정렬: '교사' 모델을 사용해 '학생'을 증류하는 일관성 모델과 달리, RecFM은 단일 네트워크를 사용하며 내부적으로 다중 스케일 정렬을 강제한다. 이는 학습 중 더 견고한 그래디언트 신호를 제공한다.
• 물리적 충실도: 궤적을 '직선화'함으로써, RecFM은 생성 모델을 가속할 때 보통 손실되는 고주파 디테일(파동과 와류 등)을 보존한다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.