Tag · 2 篇
群体相对策略优化
分布 数据集与评测1生成模型与扩散1
01 02
以帧思考：基于帧奖励模型的生成视频失真评估
Thinking with Frames: Generative Video Distortion Evaluation via Frame Reward Model
为视频生成提供帧级奖励模型与失真归因标签，可直接作为 T2V 后训练（如 GRPO 强化学习）的奖励信号，或用于诊断生成视频中的物体外观与交互异常；其动态采样机制可复用于长视频中稀疏失真帧的高效定位。
基于行列式点过程引导策略优化的多样化视频生成
Diverse Video Generation with Determinantal Point Process-Guided Policy Optimization
把「一组采样的多样性」写成集合级奖励，用 DPP 对冗余样本施加递减收益、用 GRPO 做组内相对反馈，可直接套到任意 T2V/图像扩散模型的微调阶段，解决同一提示词多次采样结果雷同的问题。