正常サンプル上で訓練した拡散モデルにより，ノイズ除去による再構成誤差を通して，訓練時に現れなかった未知の異常を検出できる．こうした拡散モデルを用いた異常検知は，その汎用性と検出精度の高さから注目されている．しかしながら，推論時の摂動強度の選択や推論速度の低さが未だ未解決の課題として残っている．本研究では，拡散モデルを特殊系として含む生成モデリングの枠組みであるフローマッチングを新たに導入し，これらの課題の解決を図る．本研究の実装はhttps://github.com/SkyShunsuke/FlowADにて公開する．