TorchCFM是一个专注于条件流匹配(CFM)方法的开源库，用于高效训练连续正规化流(CNF)模型。该库提供了多种CFM变体的实现，包括OT-CFM和[SF]2M，可用于图像生成、单细胞动力学和表格数据等任务。TorchCFM旨在帮助研究人员更便捷地使用和扩展这些先进的生成模型技术，缩小CNF与扩散模型之间的性能差距。

LFM项目创新性地将流匹配应用于预训练自编码器的潜空间，显著提升高分辨率图像生成的效率。这种方法不仅在计算资源有限的情况下保持了图像质量，还首次将条件生成任务融入流匹配框架。经过广泛测试，LFM在多个数据集上均取得了优异的定量和定性结果。

awesome-flow-matching项目收集了流匹配和随机插值领域的前沿研究成果，涵盖理论基础和实际应用。项目包含Flow Matching、Stochastic Interpolants等创新技术，为研究人员和开发者提供全面资源，有助于深入理解先进生成模型方法，推动人工智能领域技术进步。