Rectified Flow

Rectified Flow es una técnica avanzada de modelado generativo que aprende a mapear una distribución de ruido simple y fácilmente muestreable a una distribución de datos compleja utilizando trayectorias en línea recta. Al surgir como una alternativa altamente eficiente a los marcos generativos tradicionales, Rectified Flow funciona resolviendo ecuaciones diferenciales ordinarias (EDO) que transportan puntos de datos desde ruido puro directamente a imágenes, audio o vídeo de destino. Dado que estas rutas están entrenadas para ser lo más rectas posible, el modelo requiere significativamente menos pasos para generar resultados de alta calidad, lo que reduce drásticamente la carga computacional durante la inferencia.

Link to this sectionRectified Flow frente a modelos de difusión#

Aunque ambas técnicas pertenecen a la familia más amplia de la IA generativa, Rectified Flow aborda algunas de las ineficiencias fundamentales encontradas en los modelos de difusión estándar. Los modelos de difusión construyen típicamente una ruta curva y ruidosa entre la distribución de ruido y los datos finales, lo que requiere docenas o incluso cientos de pasos iterativos de eliminación de ruido para generar un resultado claro. En contraste, Rectified Flow optimiza explícitamente las rutas de transporte para que sean rectas. Este "enderezamiento" permite al modelo dar pasos mucho más grandes sin perder precisión, lo que permite una generación de alta fidelidad en solo unas pocas iteraciones.

Link to this sectionAplicaciones en el mundo real#

La eficiencia y estabilidad de Rectified Flow lo han convertido en una piedra angular de los conductos modernos de visión artificial y generación de medios.

• Generación de datos sintéticos de alta fidelidad: Las organizaciones utilizan modelos de Rectified Flow para generar rápidamente conjuntos de datos de visión artificial masivos y diversos. Estos datos sintéticos pueden simular casos extremos raros, lo cual es crucial para entrenar arquitecturas de detección de objetos robustas sin el coste prohibitivo de la recopilación manual de datos.
• Sistemas avanzados de texto a imagen: Las organizaciones de investigación de IA líderes, incluyendo Google DeepMind y OpenAI, exploran cada vez más las técnicas generativas de ruta recta. Estos modelos potencian herramientas de generación de imágenes y vídeos rápidas y orientadas al consumidor donde una baja latencia de inferencia es crítica para una experiencia de usuario fluida.

Link to this sectionMejora de los flujos de trabajo de visión artificial#

En la práctica, las imágenes sintéticas de alta calidad producidas por los modelos de Rectified Flow se utilizan frecuentemente para preentrenar o ajustar modelos de visión posteriores. Por ejemplo, puedes generar imágenes específicas de defectos de fabricación y utilizar la Ultralytics Platform para anotar estos nuevos datos sin esfuerzo en la nube. Una vez anotado, el conjunto de datos puede utilizarse para entrenar un modelo Ultralytics YOLO26 para una detección de objetos en tiempo real altamente precisa.

Aquí tienes un ejemplo conciso que demuestra cómo entrenar un modelo YOLO26 en un conjunto de datos personalizado (que podría incluir datos sintéticos generados mediante Rectified Flow) utilizando el paquete ultralytics:

from ultralytics import YOLO

# Load the latest state-of-the-art YOLO26 model
model = YOLO("yolo26n.pt")

# Train the model on your synthetic/real dataset mix
results = model.train(data="custom_synthetic_data.yaml", epochs=50, imgsz=640)

# Export the trained model to ONNX for fast deployment
model.export(format="onnx")

Al cerrar la brecha entre los modelos generativos eficientes y las potentes herramientas discriminativas como YOLO26, los profesionales del aprendizaje automático pueden construir sistemas de IA altamente resilientes. Ya sea evaluando métricas de rendimiento del modelo o exportando a dispositivos periféricos mediante TensorRT, la combinación de datos sintéticos y detección de última generación acelera los pasos de un proyecto de CV, asegurando que los modelos sean tanto altamente precisos como increíblemente rápidos.