SD3.5-M 相关 AI 资讯 · AI 热点

7月17日

11:58

11:58

官方账号arXiv cs.LG@Yushi Huang, Xiangxin Zhou, Jun Zhang, Liefeng Bo, Tianyu Pang

MeanFlowNFT是一种新方法，将前向过程强化学习（RL）框架DiffusionNFT扩展到平均速度生成器（MeanFlow）。它利用MeanFlow身份构建瞬时速度预测器，在保持平均速度采样（实现快速少步生成）的同时进行奖励优化。实验在图像和视频生成上证明，MeanFlowNFT在SD3.5-M的8项指标中提升6项，优于先前最先进的少步RL生成器。在Wan 2.1视频模型上，4步MeanFlowNFT达到VBench 84.33分，超过50步LongCat-Video RL的82.57分。

AI模型 MeanFlowNFT DiffusionNFT 强化学习

推荐理由：MeanFlowNFT让平均速度生成器也能用上强化学习，4步生成效果比50步的RL模型还好，值得试。

09:23

09:23

官方账号arXiv cs.LG@Ku Onoda, Paavo Parmas, Hiroki Furuta, Soichiro Nishimori, Yuta Oshima, Shohei Taniguchi, Yutaka Matsuo

文本到图像模型如SD3.5-M对同一提示常生成有限视觉模式的图像，加剧人口统计偏斜。论文形式化目标为target-mode覆盖，提出多轴Max@K强化学习目标。该方法对每组样本取每个类别的最大分数并求和，分配正权重仅当样本提升该类别的组最大值。在SD3.5-M上使用确定性颜色奖励验证信用分配机制后，在三个自动评估器上公平性分数相对于基础模型提升0.23-0.36，同时保持图像质量和文本对齐。

论文 SD3.5-M 文本到图像生成公平性

推荐理由：这篇论文用多轴Max@K强化学习，让T2I模型生成更公平多样的人像，公平分提升0.23-0.36，不牺牲质量。