BFL AI：自监督多模态可扩展合成

这篇研究论文介绍了一种名为 Self-Flow 的新型自监督流匹配框架，旨在提升生成模型在图像、视频和音频合成中的质量与效率。研究者指出，目前的生成模型过度依赖外部预训练模型来提供语义特征，这不仅导致了模型扩展时的性能瓶颈，还限制了跨模态的通用性。Self-Flow 通过创新的双时间步调度（Dual-Timestep Scheduling）机制，在模型内部创造信息不对称，强制模型在生成过程中自主学习强有力的语义表示。实验证明，该方法在收敛速度上比主流的外部对齐方法快约 2.8 倍，且能显著增强生成内容的结构一致性、文本呈现精度及视频的时间连贯性。这种无需外部监督的统一方案，为构建可扩展的多模态合成系统提供了一条更加高效且稳健的路径。