跳到正文

DiffusionRL

用强化学习改进文本到图像扩散模型

访问官网

DiffusionRL 是什么

DiffusionRL 被介绍为一种可扩展的强化学习算法,用多样的奖励函数改进文本到图像扩散模型。

你可以用它做什么

  • 套用偏好、组成性和公平性的奖励函数
  • 让扩散模型贴近人类偏好
  • 改善生成样本的组成与多样性

优点与缺点

✓ 我们认可的地方

  • 方法被描述为可扩展到数百万张图像
  • 资料提到生成样本的组成和多样性得到改善

! 需要留意的地方

  • 研究针对网页规模文本图像训练对的隐含偏见
  • 资料列明的基座是预训练的稳定扩散模型

常见问题

论文描述了什么问题?

资料说明网页规模的文本图像训练对带有隐含偏见,可能导致次优样本与模型偏见。

报告了什么结果?

资料说明改进预训练的稳定扩散模型后,生成的样本被人类偏好 80.3%。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法