跳到正文
arXiv · 机器人与计算机视觉· Sicong Kang, Fangao Zeng, Yuhan Li, Hao Zhou, Mengfei Xu, Wenxiang Shang, Wei Li, Bingbing Ni, Pipei Huang·· 28 天前AI 评分43

AdvFidelity:在强化学习中统一偏好对齐与少步图像生成

AdvFidelity: Unifying Preference Alignment and Few-Step Image Generation within Reinforcement Learning

AI 导读

AdvFidelity 通过在线对抗奖励将感知瑕疵的保真监督融入强化学习,实现在单阶段内完成偏好对齐与高保真少步生成。该方法基于 LeapAlign 构建判别器以区分高质量参考与内容匹配重建,无需分布匹配蒸馏(DMD)等显式目标。在两个模型骨干及三个任务设置中,其四步或八步推理效果媲美全步 LeapAlign 及其他全步强化学习方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org