优势学习

通过强化学习精炼少步文本到多视图扩散模型

Refining Few-Step Text-to-Multiview Diffusion via Reinforcement Learning

把少步 T2MV 扩散的 RL 微调建模为联合多视图 MDP，并用自精炼采样构造优势信号、用拉格朗日对偶平衡单视图保真与跨视图一致性，可直接迁移到任何需要多输出协同一致性的少步扩散/流模型微调场景。