Tag · 4 篇

扩散模型采样

分布生成模型与扩散2图像编辑与可控生成2

Identity-Preserving Image-to-Video Generation via Reward-Guided Optimization

提出基于强化学习的奖励引导优化框架，通过人脸身份评分器反向传播奖励信号至采样链最后几步，并利用真实视频人脸特征池增强泛化性，为扩散模型的身份保持提供可复用技术。

GlyphPrinter: Region-Grouped Direct Preference Optimization for Glyph-Accurate Visual Text Rendering

将 DPO 从整体偏好扩展到区域级偏好，并引入区域奖励引导的推理采样策略，为视觉文本渲染中的局部字形错误提供可复用的偏好优化框架。

DiverseGRPO: Mitigating Mode Collapse in Image Generation via Diversity-Aware GRPO

针对GRPO微调扩散模型时出现的模式坍缩问题，提出基于语义聚类的分布级奖励和结构感知正则化，可直接用于提升文生图模型的输出多样性，同时保持生成质量。

BeautyGRPO: Aesthetic Alignment for Face Retouching via Dynamic Path Guidance and Fine-Grained Preference Modeling

把在线 RL 的偏好对齐用于人脸修图这类高保真编辑任务时，用基于锚点的 ODE 路径在每个采样步重规划来抑制随机漂移，这个「动态路径引导」思路可直接迁移到其他需要保真度的扩散编辑/复原任务中，避免 RL 探索引入的噪声伪影。