Моделі дрейфування пропонують нову парадигму генеративного моделювання, яка переносить ітеративне зіставлення розподілів на етап навчання, дозволяючи генерувати високоякісні зразки за один прямий прохід. Це вирішує проблему вузького місця ефективності дифузійних та потокових моделей, які вимагають численних ітераційних кроків під час виведення. Завдяки введенню поля дрейфування, яке керує рухом зразків та досягає рівноваги, коли розподіли збігаються, метод досягає найсучасніших результатів на ImageNet з роздільною здатністю 256x256, з FID 1,54 в латентному просторі та 1,61 в піксельному просторі, перевершуючи попередні одноступеневі підходи та демонструючи ефективність у завданнях керування роботами.