IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-22
Treinamento aprimorado de mapas de fluxo estocásticos fortes
Título original: Improved Training of Strong Stochastic Flow Maps
Os mapas de fluxo estocástico prometem amostragem em poucos passos de equações diferenciais estocásticas ao aprender a saltar diretamente entre instantes de tempo ao longo da trajetória da solução, mas treiná-los é difícil, porque o caminho browniano é um objeto de dimensão infinita e não diferenciável em nenhum ponto, o que mantém as perdas baseadas em derivadas fora de alcance. Os autores representam o caminho browniano com uma expansão em polinômios de Legendre deslocados e treinam com um objetivo no estilo de Wong-Zakai para desbloquear as perdas baseadas em derivadas, e propõem uma receita para ajustar finamente grandes modelos de fluxo pré-treinados em fortes mapas de fluxo estocástico. No ImageNet, isso produz uma melhoria de aproximadamente três vezes no FD-DINOv2 em relação ao SSFM com quatro NFE.