Pesquisadores da Universidade de Amsterdã, como Pedro Curvo e Jan-Willem van de Meent, publicaram o artigo ‘Follow the Mean: Reference-Guided Flow Matching’ (arXiv: 2605.10302), apresentando um novo método de baixo custo para controlar modelos geradores pré-treinados. A ideia central é a seguinte: sob o paradigma dos interpolantes determinísticos, o campo de velocidade da trajetória geradora é definido exclusivamente pela média dos pontos finais. Assim, basta deslocar essa média durante a amostragem para alterar toda a trajetória gerada. O usuário fornece um conjunto de imagens de referência com as propriedades desejadas; o modelo calcula a média dessas imagens e a utiliza para corrigir a direção da geração. Isso pode ser feito sem necessidade de re-treinamento, redes de recompensa adicionais ou classificadores guia, sendo eficaz tanto para cores, estilos, características identitárias quanto para formas estruturais.
O artigo propõe duas implementações específicas: a primeira é o RMG (Reference Mean Guidance), que não requer treinamento e corrige diretamente um modelo congelado por meio de uma fórmula fechada; a segunda é uma versão semi-parametrizada que aprende um refinador de resíduos, permitindo até mesmo trocar o conjunto de referências durante a inferência. Exemplos práticos incluem transferência de estilo, edição de atributos e correção de estruturas anatômicas; o código-fonte está disponível no GitHub. Segundo van de Meent, coautor do trabalho, o método é “tão simples que chega a ser constrangedor, mas os resultados superam todas as expectativas”.
arXiv | HuggingFace | GitHub