导读
MeanFlow以区间平均速度而非瞬时速度描述生成流，并从头训练单步模型，扩展少步生成与Flow Matching之间的研究线索。
查看大图 ↗图1：MeanFlow单步生成样例与论文中的质量比较。 来源为v1，图像版本与论文首次公开日分别记录。
Geng, Zhengyang; Deng, Mingyang; Bai, Xingjian; Kolter, J. Zico; He, Kaiming · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · Mean Flows for One-step Generative Modeling ↗档案研究说明
MeanFlow以区间平均速度而非瞬时速度描述生成流，并从头训练单步模型，扩展少步生成与Flow Matching之间的研究线索。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
论文建立平均速度与瞬时速度的关系，并据此设计训练目标。其方法不依赖预训练教师模型或蒸馏，作者以ImageNet单次网络求值实验检验生成质量。
本节依据: MeanFlow：通过平均速度学习单步生成
与生成艺术史的关系
编者解释：它为快速图像生成补充了区别于模型蒸馏的路线。对于互动制作，响应速度具有媒介意义，但是否进入稳定创作流程还需要对具体工具和实践继续跟踪。
本节依据: MeanFlow：通过平均速度学习单步生成
阅读边界与版本
单次网络求值是实验设定，不等于完整应用没有编码、解码或其他耗时步骤。
本节依据: MeanFlow：通过平均速度学习单步生成
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
MeanFlow：对照一致性模型：从噪声直接映射到数据的方法、控制或评价条件。
MeanFlow：对照Flow Matching：通过向量场学习生成的方法、控制或评价条件。
MeanFlow：对照潜在一致性模型的方法、控制或评价条件。
MeanFlow：对照Stable Diffusion 3的方法、控制或评价条件。
日期与版本记录
节点标注日期：2025-05-19 · 来源记录的历史日期：2025-05-19
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v1；该版日期见原文版本记录。
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Mean Flows for One-step Generative Modeling
https://arxiv.org/abs/2505.13447
当前引用地址
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #326 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 · 032
原记日期: 2025-05-19
MeanFlow：通过平均速度学习单步生成 ↗
Mean Flows for One-step Generative Modeling
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. MeanFlow：通过平均速度学习单步生成. 艺术史节点 #326. https://salondesrefuses.cn/zh/art-history/355
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。