consistency_flow_matching

让生成模型采样更直更快，几步出好图

Consistency Flow Matching 是论文《Consistency Flow Matching: Defining Straight Flows with Velocity Consistency》的官方实现，旨在解决生成模型中采样速度与质量难以兼得的问题。它结合了扩散模型与流匹配的优势，通过引入速度一致性约束，使概率流轨迹更直，从而减少采样步数并保持高生成质量。项目基于 PyTorch 实现，提供完整的训练与采样代码，支持图像生成任务，并包含预训练模型与评估脚本。核心能力包括：定义速度一致性损失函数、实现直化流轨迹的训练算法、支持多种采样器（如 Euler、Heun）以及提供清晰的实验配置。该工作为生成模型领域提供了一种新的高效采样范式，尤其适合需要快速迭代的生成任务。