跳到正文
arXiv · 机器人与计算机视觉· Runhui Huang, Qihui Zhang, Zhe Liu, Yu Gao, Jie Wu, Hengshuang Zhao·· 9 天前AI 评分68

Read It Back:预训练多模态大模型是文本生成图像的零样本奖励模型

Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation

AI 导读

论文提出 SpectraReward 方法,利用预训练多模态大模型(MLLM)无需额外训练即可作为图像生成强化学习的奖励模型。该方法通过单次教师强制前向传播,测量从生成图像恢复原始提示词的平均对数似然值作为奖励信号,直接复用 MLLM 的图文对齐能力而无需偏好标签或奖励模型微调。

来源:arXiv · 机器人与计算机视觉 · arxiv.org