Tag · 2 篇
奖励引导采样
分布 图像编辑与可控生成1生成模型与扩散1
01 02
RewardFlow：通过优化你所奖励的目标来生成图像
RewardFlow: Generate Images by Optimizing What You Reward
把可微奖励（VQA 语义奖励 + SAM 定位奖励）作为推理时的引导信号注入预训练扩散/流匹配模型，并用提示感知的自适应策略调节更新步长，为免训练可控编辑提供了一个可插拔的奖励设计范式。
视频生成模型的推理时物理对齐：基于潜变量世界模型
Inference-time Physics Alignment of Video Generative Models with Latent World Models
把潜变量世界模型（VJEPA-2）当作奖励，在推理阶段搜索并引导多条去噪轨迹，为视频生成提供了一种无需重训练、可扩展测试时计算的物理合理性对齐手段，可直接迁移到其他生成模型的后处理与采样策略中。