近日，腾讯混元生图团队联合香港中文大学、清华大学共同开源了新一代文生图模型：SRPO！
通过创新性的训练优化策略，仅需10分钟训练就能将AI生成图像的美学质量提升300%，显著改善了图像生成质量。
技术创新
Direct-Align采样策略
针对传统多步采样器（如DDIM）计算成本高、易梯度爆炸的问题，SRPO提出单步噪声注入重建法。通过在扩散过程中注入可控噪声并建立"参考锚点"，实现更精准的奖励信号传导。实验证明，该方法使重建误差降低37%，解决了高频信息过拟合难题。
语义引导偏好机制
突破传统奖励模型的局限性，SRPO创新性地将文本分支作为模型参数函数。通过动态调整控制提示词（如"真实感""自然光影"），研究人员成功引导奖励模型关注特定美学维度。测试显示，该方法使模型在真实度评测指标上提升312%。
动态负向校正技术
为防止"奖励破解"（模型迎合奖励模型而非真实需求），SRPO采用正向+负向语义词双重引导。通过加权奖励公式平衡训练效率与梯度方向，有效抑制模型对单一风格的过度偏好。
主要功能
提升图像生成质量：通过优化扩散模型，使生成的图像在真实感、细节丰富度和审美质量上显著提升。
在线奖励调整：支持用户通过文本提示动态调整奖励信号，实时改变图像生成的风格和偏好，无需对奖励模型进行离线微调。
增强模型的适应性：使扩散模型能更好地适应不同的任务需求和人类偏好，例如在不同的光照条件、风格或细节层次上进行优化。
提高训练效率：通过优化扩散过程的早期阶段，SRPO能在短时间内（如10分钟）完成模型的训练和优化，显著提高训练效率。
性能表现
在HPDv2基准测试中，SRPO展现出显著优势：
在测试中，Direct-Align方法在Aesthetic predictor v2.5（AE）、PickScore等主流评测指标上均已达到SOTA水平，而结合SRPO后，在AE和PickScore等关键指标上更是取得明显提升。
更为关键的是，SRPO未出现明显的奖励破解现象，验证了Direct-Align的设计能够有效去除奖励偏差，模型真实感显著提升。
应用场景
数字艺术创作：艺术家和设计师生成高质量的数字艺术作品，通过文本提示动态调整图像风格，实现从概念草图到最终作品的快速迭代。
广告与营销：广告公司生成符合特定品牌风格和市场定位的图像，快速生成多种设计选项，提高创意效率。
游戏开发：游戏开发者生成高质量的游戏纹理、角色设计和场景背景，提升游戏的视觉效果和玩家体验。
项目官网：
https://tencent.github.io/srpo-project-page/
GitHub仓库：
https://github.com/Tencent-Hunyuan/SRPO
