跳到正文
arXiv · 机器人与计算机视觉· Bingyang Cui, Yujie Zhang, Yiling Xu, Yunfeng Guan·· 2026-10-05精选AI 评分78

OuroReward:面向文本到三维生成的强化学习序列奖励调度

OuroReward: Sequential Reward Scheduling for Reinforcement Learning in Text-to-3D Generation

AI 导读

该论文针对文本到三维(Text-to-3D)生成中多质量维度同时优化导致的干扰失衡问题,提出了 OuroReward 框架。该方法通过估计维度间依赖关系构建循环优化路径,并结合尾部到头部依赖以捕捉全局兼容性;将循环转化为单遍序列后从累积干扰最低的维度开始优化,且根据当前维度的剩余优化空间自适应决定何时推进至下一奖励,而非分配固定预算。

推荐理由

针对文本生成三维模型中的多奖励维度冲突问题,提出基于依赖关系的序列调度策略与自适应提示选择方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org