Discriminative Flow Matching: Beyond Time-Conditioning in Generative Restoration via Flow-State Representations

Discriminative Flow Matching заменяет явную координату времени в порождающем восстановителе на признаки состояния самого процесса очистки. Замороженная дискриминативная сеть сообщает модели, насколько текущая точка уже похожа на чистую речь, и тем же сигналом можно останавливать интегрирование раньше на простых примерах.

Метод. Вместо скаляра t поле скоростей получает представление от предварительно обученного DCCRN-восстановителя. Отдельная голова оценивает улучшение SNR и выбирает число вычислительных шагов. Авторы проверяют монотонность признаков вдоль траектории и сравнивают обычное условие по времени, фиксированную DFM и адаптивную остановку.

Результаты. На синтетическом DNS DFM достигает SI-SDR 19,63 дБ и PESQ 2,96 против 18,99 и 2,86 у FlowSE. На реальном DNS P.808 MOS равен 3,75, SIG 3,43, BAK 4,03 и OVRL 3,14. Адаптивный вариант использует в среднем 2,98 оценки поля вместо пяти, получает SI-SDR 20,12 дБ и PESQ 2,92.

Ограничения. Обучение использует около 1000 часов синтетических пар и 800 тыс. шагов на A100, а качество зависит от замороженного DCCRN. Расстояние между распределениями оценивается приближённо. Адаптивная остановка улучшает SI-SDR, но немного снижает PESQ, поэтому единый критерий сложности не оптимален для всех свойств.

Фишка из статьи. Экономия 40,4% шагов не является бесплатным ускорением: она меняет баланс между энергетической точностью и воспринимаемым качеством.

Как это читать: ранняя остановка отбрасывает проходы, которые уже мало помогают форме сигнала, и даже повышает SI-SDR, но PESQ предпочитает полный путь. Для реальной системы порог следует выбирать под целевую метрику.