以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Flow-matching models can produce high-quality image restorations, but their learned dynamics may amplify small input perturbations and make reconstructions unstable. We introduce LipsFlower to reduce this amplification. We derive stability bounds for Flow-from-Y, which initializes the ordinary differential equation fro
阅读原文 · Sedjro Salomon Hotegni, Konstantin Sonntag, Paul-Christian Bürkner, Sebastian Peitz
向阳乔木 · opencode-go/deepseek-v4.1-flash
图像修复模型能修出很漂亮的图，但它稳不稳？这篇论文盯着一个容易被忽略的问题： 输入上一点点扰动，会不会在生成过程里被放大，最后修出一张跑偏的脸。 作者提出 LipsFlower，想在 flow matching 这条生成路线上，把这种放大效应压下来。做图像修复、尤其是人脸修复的读者，值得看一眼。 这篇论文想解决什么 Flow matching 类模型做修复，...