평균을 따르는 Flow Matching

Deterministic interpolants에서 velocity field가 conditional endpoint mean에 의해 결정된다는 점을 이용해, reference set을 바꾸는 것만으로 생성 흐름을 조정하는 방식을 제안했다.

**Reference-Mean Guidance(RMG)**는 training-free 방식으로, reference bank에서 closed-form endpoint-mean correction을 계산해 frozen FLUX.2-klein (4B) 모델에 적용한다. 이를 통해 prompt, seed, weights는 그대로 둔 채 color, identity, style, structure를 제어했다.

**Semi-Parametric Guidance(SPG)**는 explicit mean anchor와 learned residual refiner를 넣어 같은 아이디어를 모델 내부로 흡수했다. 실험에서는 AFHQv2에서 unconditional DiT-B/4 수준의 품질을 맞추면서, 추론 시 reference set을 교체할 수 있음을 보였다.

핵심은 파라미터 업데이트 없이 예시 데이터만으로 생성 모델을 적응시키는 새로운 control interface다.