이 논문은 확산 모델(diffusion)과 플로 매칭(Flow Matching)을 Wasserstein 공간의 단일 기하학 위에서 통합적으로 설명한다. 유한한 2차 모멘트를 갖는 확률측도 공간은 2차 Wasserstein 거리로 리만 다양체 구조를 가지며, 그 위에서 자유에너지 F(ρ)=KL(ρ‖π)의 경사 흐름이 정확히 Fokker-Planck 방정식이고 그 암시적 오일러 이산화가 JKO 스킴이다. 이것이 확산 모델의 기하학적 바탕으로, 각 디노이징 단계가 하나의 JKO 단계를 실현하며 DDPM·DDIM·NCSN/SMLD·Energy Matching을 하나의 스킴으로 통합한다. 같은 다양체의 측지선(Benamou-Brenier 최소작용 곡선)은 플로 매칭이 학습하는 최적수송 경로와 정확히 일치한다. 즉 확산은 자유에너지 경사 흐름(초기값 문제), 플로 매칭은 Wasserstein 측지선(경계값 문제)으로, 서로 다른 경로로 같은 종점에 도달한다.
- •2차 Wasserstein 거리로 확률측도 공간을 리만 다양체로 보는 기하학적 틀
- •자유에너지 경사 흐름=Fokker-Planck, 그 이산화=JKO 스킴이 확산 모델의 바탕
- •DDPM·DDIM·NCSN/SMLD·Energy Matching을 하나의 스킴으로 통합
- •플로 매칭은 Benamou-Brenier 측지선(최적수송 경로)을 학습해 결정론적 ODE로 샘플링 단계 대폭 감소
- •확산=초기값 문제, 플로 매칭=경계값 문제로 서로 다른 경로로 같은 종점 도달
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
The Geometry Behind Diffusion and Flow Matching: Gradient Flows and Geodesics in Wasserstein Space
- 1.확산 모델과 Flow Matching을 Wasserstein 공간 단일 매니폴드 위에 놓아 관계를 정확히 규명
- 2.확산은 자유에너지 경사 흐름(초기값 문제)으로 Fokker-Planck·JKO에 해당, DDPM·DDIM·NCSN 통합
- 3.Flow Matching은 Benamou-Brenier 측지선(경계값 문제), 결정론적 ODE 직선 경로로 샘플링 단계 감소
- 4.두 모델 계열은 같은 종점에 서로 다른 경로로 도달한다는 통일적 관점 제시
왜 중요한가?
별개 이론처럼 다뤄지던 확산 모델과 Flow Matching을 최적수송 기하학의 단일 매니폴드 위에 통합해, 확산이 자유에너지 경사 흐름이고 Flow Matching이 측지선임을 보임으로써 후자가 왜 더 적은 샘플링 단계로 동작하는지를 이론적으로 설명한다.
언급 프로젝트
확산 모델과 플로우 매칭의 수학적 기반을 바서슈타인 공간의 기하학과 연결하는 심도 깊은 연구입니다. 이는 생성형 AI 모델의 근본 원리를 이해하고 더욱 안정적이며 효율적인 모델을 개발하는 데 필수적인 통찰을 제공합니다. 국내 AI 기초 연구자 및 첨단 기술 개발팀이 차세대 생성형 AI 모델의 한계를 넘어서는 데 기여할 핵심 이론이 될 것입니다.
본문 미리보기
arXiv:2606.24157v1 Announce Type: new Abstract: The space $\mathcal{P}_2(\mathbb{R}^d$) of probability measures with finite second moment carries a natural geometry: the quadratic Wasserstein distance W_2 makes it a complete metric space and, following Otto, a (formal) Riemannian manifold whose geodesics are the optimal-transport interpolations. On this manifold, the gradient flow of the free energy F(rho) = KL(rho || \pi) is exactly the Fokker-Planck equation, and its implicit-Euler discretiza
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:55AI 초안

