低ビット、高忠実度：フローマッチングのための最適輸送量子化

フロー・マッチング（FM）生成モデルは、効率的なシミュレーションなしのトレーニングと決定論的なサンプリングを提供しますが、その実用化には高精度なパラメータが必要という課題があります。本研究では、最適輸送（OT）に基づくポストトレーニング量子化をFMモデルに適用し、量子化された重みと元の重みの2-Wasserstein距離を最小化しました。比較対象として均一、区分的、対数的量子化手法との効果を系統的に比較し、理論的分析において量子化による生成劣化の上限を示しました。五つの異なるデータセットに対する実験結果は、OTベースの量子化が視覚的な生成品質と潜在空間の安定性を2～3ビットまで保持できることを示し、これによりFM生成モデルのエッジおよび埋め込みAIアプリケーション向けの圧縮手法としての有効性が確立されました。