論文公開プラットフォームarXiv cs.AIは2026年11月6日(現地時間)、ルーイージー・ユアン (Ruizhi Yuan) 氏らが執筆した「Flow-Guided Target-Space Alignment via Path Consistency」と題する研究を発表した。同研究は、複数のモダリティデータを特定のターゲット空間に整合させる多種モダリティアラインメント問題に対し、「FlowAlign」と呼ぶフローガイド型手法を提案。トレーニング時のアラインメント信号として条件付きフローマッチングを再利用することで、インスタンスレベルの対応とグローバルなターゲット空間構造の維持を両立させる。
提案されたフローアライン (FlowAlign) は、既存手法が部分的にしか対処できていなかった多種モダリティアラインメントの課題解決を目指す。従来の対比学習や分布マッチング、点単位回帰では、ターゲット分布の全体構造、またはペアのソース・ターゲットトレーニングデータにおけるインスタンスレベルの対応のいずれかしか明確に扱えなかった。
FlowAlignは、学習されたフローフィールドを活用し、ソース側表現を固定されたターゲット空間に誘導する。これにより、ペア対応を維持しながら、グローバルなターゲット空間構造との互換性を確保する。理論的分析では、エンドポイントの精度制御と局所的なターゲット空間ジオメトリの捕捉を通じて、ペア対応がどのように改善されるかを示している。
合成データ、ペア化されたシングルセルマルチオームベンチマーク、および画像-テキストアラインメントに関する実験結果は、FlowAlignが異なるモダリティ設定において、ターゲット空間構造を保ちつつインスタンスレベルの対応を改善することを実証した。この研究は、ニューリプス (NeurIPS) 2026で採択されている。
参考: arXiv cs.AI (アーカイブ) — 2026年11月7日 03:44 (JST)
原文ハイライト"We propose FlowAlign, a flow-guided target-space alignment method that repurposes conditional flow matching"