arXiv cs.AI· Kevin Zhai, Siva Rajesh Kasa, Soumya Roy, Sumit Negi, Mubarak Shah·· 29 天前AI 评分37
遍历文生图扩散模型中的满意度-多样性前沿
Traversing the Satisfaction-Diversity Frontier in Text-to-Image Diffusion
AI 导读
无需训练的文生图推理方法 SatisDive 提出通过设定奖励底线和多样性截断，在优先提升低分候选图像奖励的同时保持高分图像的多样性。在 Pick-a-Pic 上匹配 DreamSim 时，SatisDive 在 FLUX.1-dev 和 SANA-1.6B 下将最差候选奖励比 FK steering 最高提升 0.43 和 0.70，其满意度-多样性曲线全面 Pareto 占优。
来源：arXiv cs.AI · arxiv.org