腾讯最新开源太牛了，AI一键去油、告别塑料感！登顶Hugging Face模型榜

主要观点总结

腾讯最新图像模型算法SRPO在Hugging Face趋势榜首，解决了当前AI生图模型皮肤质感差的问题。SRPO通过在线调整奖励偏好和优化早期生成轨迹，能改善图像生成效果，并将模型生成图片的真实度、美学优秀率提升超300%。其采用了新型采样策略Direct-Align，解决了采样瓶颈，有效避免奖励破解。此外，SRPO还具备细粒度的人类偏好优化能力，并在不依赖额外训练数据的情况下提升了美学优秀率和图像感知真实度。

关键观点总结

关键观点1: SRPO的主要特点和优势

腾讯最新的图像模型算法SRPO在解决AI生图模型的皮肤质感差的问题方面取得了显著进展。它通过在线调整奖励偏好和优化早期生成轨迹，大幅提升了训练效率和图像生成效果。SRPO还能在不依赖额外训练数据的情况下，显著提升模型的美学优秀率和图像感知真实度。

关键观点2: SRPO的新型采样策略Direct-Align

SRPO引入了新型采样策略Direct-Align，这是一种用于扩散微调的新型采样方法，可以有效地恢复高度噪声的图像，使优化过程更加稳定且计算要求更低。该策略通过精确插值重建扩散轨迹上的任意中间状态，显著降低了重建误差，实现了更精准的奖励信号传导。

关键观点3: SRPO在解决奖励破解问题方面的创新

SRPO通过改进直接利用奖励信号进行反向传播的方法，并直接使用负奖励对模型进行正则化，有效避免了奖励破解问题。此外，SRPO还首次在模型中加入了动态可控的文本条件，能够在奖励模型范围内动态调整对风格的奖励偏好。

关键观点4: SRPO的实验结果和评估

SRPO在HPDv2基准测试上的评估结果显示，其在美学优秀率和图像感知真实度方面的提升超过300%。此外，SRPO未出现明显的奖励破解现象，验证了其设计能够有效去除奖励偏差，模型真实感显著提升。