流模型OPD为何失效？FLOWCTS揭示时序监督错配与连续轨迹解法
本文分析FLOWCTS论文，指出传统基于KL散度的在线蒸馏（OPD）在流模型中存在时序监督错配：损失集中在去噪后期，忽略了早期关键的速度场差异。FLOWCTS通过连续轨迹监督重新定义目标，在GenEval和OCR上取得更好结果。注意：监督步数K并非越大越好，需权衡结构一致性与细节保留。
流匹配
HandFlow：基于流匹配的完全生成式4D手部重建
本文介绍HandFlow，一种用于单目4D手部重建的完全生成式框架。针对现有确定性回归方法在遮挡和模糊下易产生抖动和姿态错误的问题，HandFlow利用流匹配（Flow Matching）在MANO参数空间进行条件生成。核心创新包括双流Transformer架构和置信度感知连续掩码（cmask），有效处理视觉歧义。实验显示，该方法在DexYCB和HOT3D数据集上达到SOTA精度，且推理速度显著优于基线。需注意，模型性能依赖前端检测器质量，且VRAM占用较高。
IB-Flow：基于信息瓶颈引导的CFG蒸馏用于少步文本到图像生成
本文提出IB-Flow，解决少步CFG蒸馏中静态引导强度与随机时间步采样的盲目性问题。通过信息瓶颈原理，动态优化注入目标时间步和引导强度，在2步NFE下实现SOTA性能。实验显示在Qwen-Image-20B上GenEval达0.86，DPG-Bench达88.67，优于ArcFlow。需注意超参数κ敏感性及极端少步生成的伦理风险。