标签
本文研究了在扩散模型微调中LoRA秩选择的权衡问题，表明中等较小的秩（如4和8）通过平衡FID分数与计算成本，能优化微调效率。
本文提出一种用于视觉生成模型的强化学习框架，该框架使用分布级奖励，并采用子集替换策略以提高效率，在改善图像多样性和质量的同时，解决模式崩溃和奖励破解问题。
本文分析了不同训练种子和采样种子下FID分数的方差，揭示了图像生成评估中显著的可重复性问题。它提出了一种新的评估协议，包括误差带和每单元最优引导调整。