腾讯混元生图团队于9月10日发布新研究SRPO，旨在优化文生图模型中人像皮肤质感“过油”的问题，显著提升图像真实感。

该技术全称为语义相对偏好优化（Semantic Relative Preference Optimization），通过在线调整奖励偏好和优化生成轨迹的前半段，提升生成质量。

Flux是当前开源文生图社区广泛使用的基础模型，但其生成的人像常存在皮肤反光过强、质感不真实的问题。SRPO针对此缺陷提出解决方案。

研究团队联合香港中文大学（深圳）与清华大学，提出通过控制提示词如“真实感”来定向调整奖励模型的优化目标，增强特定维度的表现力。

为防止语义引导导致的奖励破解（reward hacking）问题，SRPO采用正向词与负向词并行的相对偏好策略，利用负向梯度中和奖励模型偏差，保留语义差异中的特定偏好。

传统方法如ReFL和DRaFT通常仅优化生成轨迹后半段，易引发对高频信息的过拟合，表现为偏色、过饱和或过曝区域评分虚高。

为此，团队提出Direct-Align策略：通过可控噪声注入输入图像，并以单步推理重建图像，将注入噪声作为“参考锚点”，降低重建误差，实现更精准的奖励信号传导。

该策略支持对生成轨迹前半段进行有效优化，缓解过拟合现象。

实验结果显示，SRPO在训练效率上表现突出，仅需10分钟训练即可超越DanceGRPO的效果。

定量评估中，SRPO达到SOTA水平，人类评估的真实度与美学优秀率提升超过3倍，训练时间较DanceGRPO减少75倍。

项目发布后登上Hugging Face热度榜榜首，社区量化版本下载量达25K，GitHub Star数超过700。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。