拡散モデルの強化学習を効率化DiffusionART
原題 DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models
ブラックボックス報酬で拡散モデルを微調整するオンライン強化学習では、Flow-GRPOなど逆過程型の手法は、貢献度の割り当てが悪く効率が限られる。DiffusionARTは、効率・安定性・拡張性を高める手法として提案された。詳細は不明。
論点
画像生成の品質は強化学習で決まる時代か
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
報酬で直接磨く方が早い。モデル規模より後学習が差を生む。反対側の視点
報酬ハックで画質が偏る。結局は良質なデータと基盤モデルが本質だ。
みんなのコメント 件
コメントを書く