Beckmann Transport Models: From Autonomous Flows to One-Step Maps¶

会议: NeurIPS 2026
arXiv: 2608.01692
论文: https://arxiv.org/abs/2608.01692
领域: 图像生成
关键词: 流匹配, 自治流, 贝克曼输运, 一步生成, 特征线守恒律

一句话总结¶

针对传统流匹配依赖时间条件网络与多步数值积分的问题，本文证明了当目标分布支撑在余维数至少为 2 的低维流形上时，无时间依赖的自治流可通过散度守恒实现精确测度输运，并利用特征线守恒方程推导出无需核函数的 stop-gradient 一步映射学习算法。

研究背景与动机¶

标准流匹配（Flow Matching, FM）与连续时间扩散模型通常需要学习一个显式依赖时间参数 $t$ 的时变速度场 $b_t(x)$，并通过沿时间轴求解常微分方程（ODE）将先验分布 $\mu_0$ 输运到目标数据分布 $\mu_1$。为了在神经网络中建模时间条件，模型架构必须引入复杂的时间嵌入（如正弦位置编码或自适应归一化层），且生成推断过程高度依赖多步 ODE 求解器，带来了显著的计算开销。近期提出的 Equilibrium Matching (EqM) 尝试完全摒弃时间条件，直接在不依赖时间的速度场 $b(x)$ 上最小化加权回归损失，期望借助自治动力系统 $\dot{X}_t = b(X_t)$ 实现极简生成。

然而，去除时间变量引发了极其关键的理论与实用矛盾：一个无时间条件的速度场是否真的能保证将基分布严格输运到目标分布？流线的拓扑结构会否产生发散、环绕或概率质量分配失真？深入分析表明，EqM 原始损失在回归目标上人为乘以衰减调度函数，不仅破坏了流匹配固有的源-汇连续性平衡，而且会导致生成样本在不同吸引子盆地间的质量分配出现多达数十倍的严重偏差；更重要的是，由于缺乏关于目标流形维数与动力系统终点行为的严格数学保证，自治流的理论收敛性和测度保持性一直悬而未决。

本文的切入角度是将自治流与最优输运中的经典贝克曼输运问题（Beckmann's transportation problem）联系起来，从时间积分流的散度方程 $\nabla \cdot j = \mu_0 - \mu_1$ 出发，系统阐释通量平衡与特征线守恒对测度变换的决定作用。核心 idea：证明在目标分布具有正余维数（余维数 $\ge 2$）时，时间无关的流匹配漂移场足以构成严谨的自治输运流；进一步揭示其终点映射沿特征线恒定满足守恒律 $b \cdot \nabla T = 0$，由此推导出可直接从样本训练的无核一步生成映射学习目标。

方法详解¶

整体框架¶

本文提出的贝克曼输运模型（Beckmann Transport Models, BTM）构建了一套从时间平均通量到自治流、再到一步生成映射的完整理论与算法体系。整个方法首先构建时间无关的流匹配回归目标，使学习到的自治速度场 $b(x)$ 满足贝克曼散度约束 $\nabla \cdot (\nu b) = \mu_0 - \mu_1$；随后，该自治场驱动粒子沿特征流线向低维目标流形演化，并在首次到达流形时通过流冻结（freezing convention）达到终态；最后，利用终点映射沿特征流线不变的欧拉型特征方程，构造出免于多步积分的一步映射网络训练目标。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["先验分布与目标流形采样<br/>x0 ~ μ0, x1 ~ μ1"] --> B["自停止直线插值与通量构建<br/>Is = αs x0 + (1-αs) x1"]
    B --> C["时间无关自治流场学习<br/>最小化回归误差 ||b(Is) - d/ds Is||^2"]
    C --> D["特征线终点映射与守恒律分析<br/>b(x) · ∇T(x) = 0"]
    D --> E["无核梯度截断一步映射学习<br/>stop-gradient 欧拉残差更新"]
    E --> F["一步前向生成与迭代锐化<br/>x1 = T(x0)"]

关键设计¶

1. 自治流匹配与散度平衡机制：消除 EqM 质量分配偏差 在标准流匹配中，插值流 $I_s = \alpha_s x_0 + \beta_s x_1$ 对应的概率密度族 $\mu_s$ 满足连续性方程 $\partial_s \mu_s + \nabla \cdot (b_s \mu_s) = 0$。将时间 $s$ 从 0 到 1 积分，可以发现时间平均通量 $j = \int_0^1 b_s \mu_s \, ds$ 天然满足贝克曼散度方程 $\nabla \cdot j = \mu_0 - \mu_1$。当优化目标被限制在与时间无关的向量场 $b(x)$ 上时，最小化经验回归损失的总体最优解恰好满足 $j = \nu b$，其中 $\nu = \int_0^1 \mu_s \, ds$ 为占据测度密度。此时，$\mu_0$ 严格充当流场的源，而 $\mu_1$ 则作为唯一的汇。

在几何条件上，当目标支撑在紧致光滑且无边界的 $k$ 维子流形 $\mathcal{M}_1 \subset \mathbb{R}^d$ 上且余维数 $q = d - k \ge 2$ 时，速度场指向目标流形，流线不会在流形两侧发生穿透，几乎所有的初值轨迹都在有限时间 $\tau(x_0) < \infty$ 内击中目标流形并终止。与之相对，EqM 在优化目标中强行引入 $c_s(x_1 - x_0)$ 作为回归目标，割裂了回归目标与插值速度 $\dot{I}_s$ 的导数对应关系，导致散度平衡条件破缺，诱发了高达 20 倍的盆地质量分配误差。BTM 采用与插值路径自洽的自停止直线调度 $\dot{\alpha}_1 = 0$（例如分段自停止调度），使速度场在趋近目标流形时平滑趋向于零，既保证了端点测度的无偏性，又赋予了动力系统自然的自停止特性。

2. 有限质量加权贝克曼流与库仑输运扩展：连接最优输运理论 经典贝克曼输运问题通过在散度约束 $\nabla \cdot j = \mu_0 - \mu_1$ 下最小化 $L^1$ 范数 $\int |j(x)| \, dx$ 等价刻画 Wasserstein-1 距离 $W_1(\mu_0, \mu_1)$。BTM 进一步证明，给定正权重 $\nu$，带权贝克曼二次能量极小化问题： $$j_\nu := \arg\min_{j \in \mathcal{J}_\nu} \frac{1}{2}\int_{\mathbb{R}^d} \frac{|j(x)|^2}{\nu(x)} \, dx, \quad \mathcal{J}_\nu := \{ j \in L^2(\nu^{-1}dx; \mathbb{R}^d) : \nabla \cdot j = \mu_0 - \mu_1 \}$$ 在向流形均匀指向的几何条件下同样诱导合法的自治输运。更重要的是，标准流匹配所产生的通量在经典贝克曼泛函上构成了精确的能量上界：$W_1^2(\mu_0, \mu_1) \le (\int |j_{\mathrm{FM}}| \, dx)^2 \le \int \nu |b_{\mathrm{FM}}|^2 \, dx \le \int_0^1 \int |b_s|^2 \, d\mu_s \, ds$。

此外，当取常数权重 $\nu \equiv 1$ 时，框架退化为由泊松方程 $\Delta \phi = \mu_0 - \mu_1$ 控制的规范库仑场（Coulomb field）： $$b(x) = \frac{1}{\omega_d}\int_{\mathbb{R}^d} \frac{x-y}{|x-y|^d} \, (\mu_0 - \mu_1)(dy)$$ 该场提供了一种完全无需神经网络训练、直接由蒙特卡洛样本批次计算的免训练输运机制，揭示了泊松流（PFGM）与自治流匹配在势论视角下的内在统一。

3. 特征线守恒律与无核 stop-gradient 一步映射学习 为了摆脱生成阶段对 ODE 积分器的依赖，BTM 从动力系统流映射的欧拉演化形式出发。记粒子在自治场中的演化轨迹为 $X_t(x)$，在到达目标后执行冻结拓展 $X_t(x) = T(x)$（$t \ge \tau(x)$）。该流映射满足欧拉方程 $\partial_t X_t(x) = b(x) \cdot \nabla X_t(x)$。当 $t \to \infty$ 时，极限位置定义了一步生成映射 $T(x) := \lim_{t\to\infty} X_t(x)$。由于终点 $T(X_t(x)) = T(x)$ 沿任意一条特征轨迹均保持恒定，对时间求导直接导出静态守恒方程： $$b(x) \cdot \nabla T(x) = 0 \quad (x \notin \mathcal{M}_1), \qquad T(x) = x \quad (x \in \mathcal{M}_1)$$

该守恒方程启发了无需计算高维雅可比行列式的一步映射学习方法。结合流匹配中速度场的条件期望恒等式 $b(x) = \mathbb{E}[\dot{I}_s \mid I_s = x]$，BTM 构造了带有梯度截断（stop-gradient）与边界锚定损失的学习目标： $$\mathcal{L}(T) = \mathbb{E}_{s, x_0, x_1} \left[ \left| T(I_s) - \mathrm{sg}\left(T(I_s) + \dot{I}_s \cdot \nabla T(I_s)\right) \right|^2 \right] + \lambda \mathbb{E}_{x_1} \left[ |T(x_1) - x_1|^2 \right]$$ 理论上证明了在总体分布层面上，该梯度截断目标在一阶变分下在真实输运映射 $T$ 处严格为零。相较于 Drifting 等依赖 MMD 核函数且对核超参数极其敏感的方法，BTM 的守恒目标无需设计核函数，在推断时单次前向传播即可生成目标样本，且多次复合应用 $T(T(x))$ 能通过特征线自纠正进一步消除局部伪影。

损失函数 / 训练策略¶

在算法实现上，BTM 包含两条独立路径： 1. 自治速度场训练：采样 $s \sim U[0, 1], x_0 \sim \mu_0, x_1 \sim \mu_1$，计算插值点 $I = \alpha_s x_0 + (1-\alpha_s) x_1$ 与导数 $\dot{I} = \dot{\alpha}_s (x_0 - x_1)$，以标准 MSE 损失 $\frac{1}{|\mathcal{B}|} \sum |b_\theta(I) - \dot{I}|^2$ 更新网络 $b_\theta$。 2. 一步映射网络训练：网络 $T_\theta$ 预测终点坐标。在反向传播时，利用向量-雅可比积（VJP）高效计算 $\dot{I} \cdot \nabla T_\theta(I)$，并将其加至 $T_\theta(I)$ 后施加 stop_gradient，作为内层预测的目标；在潜空间 ImageNet 256×256 实验中，采用自适应权重 $w = (\lVert\Delta\rVert_2^2 + c)^{-p}$ 衰减大误差样本、通过最后一层梯度范数比动态平衡边界损失权重 $\lambda$，并引入 $s > 0.8$ 的端点噪声锚定项以强化深层降噪。

实验关键数据¶

主实验¶

在 2D 离散原子目标分布、6D 嵌入螺旋流形以及 Class-Conditional ImageNet 256×256 基准上，系统验证了 BTM 在偏置修正、一步映射质量和生成保真度上的表现。

任务 / 模型	推断步数 (NFE)	条件引导 (CFG)	核心指标 (FID / MAE)	之前基准指标	提升 / 收益
2D 五模态原子测度分配	ODE	None	MAE = 0.005	MAE = 0.102 (EqM)	质量分配误差降低 20×
ImageNet 256×256 (EqM-XL/2)	ODE	None	FID = 1.87	FID = 1.90 (EqM 原版)	零额外代价提升画质
ImageNet 256×256 一步映射 (BTM)	1	None	FID = 17.58	FID = 30.10 (iCT)	无引导一步生成显著胜出
ImageNet 256×256 对比基线 (MeanFlow)	1	CFG	FID = 3.43	-	依赖大倍数分类器引导

消融实验¶

针对直接映射训练的架构缩放、网络迭代次数（Iterated Composition）以及 EqM 调度衰减指数 $\kappa$ 对偏置的影响进行系统消融。

配置 / 实验变体	关键指标	说明
BTM B/2 (80 epochs, 1-NFE)	FID = 62.14	较小规模模型（131M 参数）基线
BTM XL/2 (80 epochs, 1-NFE)	FID = 47.58	参数量增至 637M，FID 大幅优化 14.56
BTM XL/2 (1280 epochs, 1-NFE)	FID = 17.58	充分收敛后的一步生成性能
BTM XL/2 (1280 epochs, 2-NFE)	FID = 17.04	映射自复合 2 次，样本进一步锐化
BTM XL/2 (1280 epochs, 5-NFE)	FID = 16.53	映射自复合 5 次，无需加噪重采样稳步提升
EqM 偏置消融 ($\kappa = 0$)	MAE = 0.007	代数等价于 BTM，无分配偏置
EqM 偏置消融 ($\kappa = 0.8$)	MAE = 0.102	调度衰减打破散度平衡，误差急剧放大
EqM 偏置消融 ($\kappa = 0.9$)	MAE = 0.175	偏置误差恶化至 25 倍

关键发现¶

散度平衡是质量无偏的根本保证：在 2D 不平衡五峰目标测试中，EqM 由于目标向量被人为衰减因子 $c_s$ 缩放，最大模态的吸引子盆地急剧扩张，最小模态几乎被完全挤压消亡（MAE=0.102）；而 BTM 严格对齐插值速度导数 $\dot{I}_s$，盆地分割严格吻合目标测度权重（MAE=0.005），彻底消除了经验启发式损失带来的固有偏差。
特征映射具有优异的半群迭代性质：无需任何额外的时间步调度或加噪扩散重采样，直接对训练后的映射网络 $T_\theta$ 进行自迭代复合输入 $T_\theta(T_\theta(x))$，能够沿着特征线流形持续向真实数据流形投影，在 MNIST 和 ImageNet 潜空间上均观察到模糊伪影消失、边界清晰度提升的现象。
免训练库仑场的物理有效性：在 $d=5$ 维的瑞士卷流形上，直接利用蒙特卡洛粒子评估牛顿-库仑场公式，在无需反向传播训练的情况下精确完成了将高斯云团拉伸并聚集至流形表面的物理输运过程。

亮点与洞察¶

将自治流生成牢固建立在贝克曼输运与连续介质力学基石之上：不仅为 Equilibrium Matching 提供了严谨的收敛性证明与测度守恒修正，而且在理论上首次指出了低维流形余维数 $q \ge 2$ 是确保自治流线不穿透流形的必要几何条件。
巧妙利用特征线恒定性规避了显式速度场反向求解：直接依据 $b(x) \cdot \nabla T(x) = 0$ 和流匹配条件期望构造 stop-gradient 目标，使得一步生成模型无需依赖昂贵的两阶段蒸馏或复杂的 MMD 核调优。
单步前向与多步迭代的无缝兼容：模型天然具备“单步出图、多步精炼”的能力，推断开销完全由用户按需控制，展现出极强的工程实用价值。

局限与展望¶

分类器无关引导（CFG）的缺失：当前的一步生成映射实验未引入 CFG，导致在 ImageNet 256×256 上的无引导绝对 FID（17.58）与依赖强 CFG 引导的顶尖一步模型（如 MeanFlow 的 3.43）存在差距，未来亟需探索适用于自治特征映射的有效引导方案。
低维流形余维数假设的工程约束：理论要求流形余维数 $q \ge 2$，对于满维环境空间需要进行人工零填充（zero-padding）；高维复杂自然图像流形的局部局部几何维数各异，可能影响收敛时间界的局部一致性。
离散数据生成的拓展空间：由于文本 token 天然对应于概率单形上的顶点（原子测度，余维数充分），BTM 的自治守恒律极有可能为离散自回归/掩码生成模型开辟全新的连续松弛与一步推断范式。

评分¶

新颖性: ⭐⭐⭐⭐⭐ [首次为自治流匹配提供严格测度保持证明，并开创性提出特征线守恒的一步映射学习法]
实验充分度: ⭐⭐⭐⭐☆ [覆盖 2D 原子分布、流形嵌入、免训练库仑场验证及 ImageNet 256×256 规模化生成，若补齐 CFG 实验则更佳]
写作质量: ⭐⭐⭐⭐⭐ [数学推导严密自洽，从物理输运通量到欧拉特征流线层层递进，动机与理论证明高度契合]
价值: ⭐⭐⭐⭐⭐ [为无时间条件轻量化生成模型与免蒸馏一步生成网络奠定了坚实而优雅的理论底座]