1. مقدمة البرنامج التعليمي

Flow-GRPO هو نموذج لمطابقة التدفق، أطلقه مختبر الوسائط المتعددة في جامعة هونغ كونغ الصينية وجامعة تسينغهوا وفريق كوايشو كيلينغ في 13 مايو 2025. كان هذا النموذج رائدًا في دمج إطار عمل التعلم التعزيزي عبر الإنترنت ونظرية مطابقة التدفق، وحقق تقدمًا هائلًا في اختبار GenEval 2025 المعياري: قفزت دقة التوليد المجمعة لنموذج SD 3.5 Medium من القيمة المعيارية 63% إلى 95%، وتجاوز مؤشر تقييم جودة التوليد GPT-4o لأول مرة. نتائج البحث ذات الصلة هي:Flow-GRPO: تدريب نماذج مطابقة التدفق عبر التعلم التعزيزي عبر الإنترنت".

يستخدم هذا البرنامج التعليمي بطاقة RTX 4090 واحدة كمورد، كما تدعم مطالبات إنشاء الصورة اللغة الإنجليزية فقط.

2. أمثلة المشاريع

3. خطوات التشغيل

1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب

إذا تم عرض "بوابة سيئة"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.

2. بعد الدخول إلى صفحة الويب، يمكنك بدء محادثة مع النموذج

كيفية الاستخدام

وصف المعلمة:

• نموذج LoRA:
  1. لا أحد:  يتم استدعاء النموذج الأساسي بشكل أصلي ولا يتم تقديم استراتيجية تحسين.
  2. تقييم عام:  تم إنشاء نظام تقييم سداسي الأبعاد لدعم إنشاء السيناريوهات المعقدة والتحقق منها.
  3. تقديم النص:  يتيح التصور الدقيق للنص إمكانية رسم خرائط دقيقة للمحتوى الرسومي والنصي.
  4. محاذاة التفضيلات البشرية:  المحاذاة الكمية للتفضيلات الجمالية وإطار تقييم PickScore المتكامل
• البذور البادئة:  بذرة رقم عشوائي، تستخدم للتحكم في عشوائية عملية التوليد. يمكن لقيمة البذرة نفسها أن تنتج نفس النتائج (بشرط أن تكون المعلمات الأخرى هي نفسها)، وهو أمر مهم للغاية في إعادة إنتاج النتائج.
• عرض:  يتم استخدامه للتحكم في عرض الصورة المولدة.
• ارتفاع:  يتم استخدامه للتحكم في ارتفاع الصورة المولدة.
• مقياس التوجيه:  يتم استخدامه للتحكم في الدرجة التي تؤثر بها المدخلات الشرطية (مثل النص أو الصور) في النماذج التوليدية على النتائج المولدة. ستعمل قيم التوجيه الأعلى على جعل النتائج المولدة تتطابق بشكل أوثق مع شروط الإدخال، بينما ستحتفظ القيم المنخفضة بمزيد من العشوائية.
• عدد خطوات الاستدلال:  يمثل عدد تكرارات النموذج أو عدد الخطوات في عملية الاستدلال، ويمثل عدد خطوات التحسين التي يستخدمها النموذج لتوليد النتيجة. يؤدي عدد أكبر من الخطوات عادةً إلى إنتاج نتائج أكثر دقة، ولكن قد يؤدي إلى زيادة وقت الحساب.

4. المناقشة

🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓

معلومات الاستشهاد

شكرًا لمستخدم Github xxxجججج1  نشر هذا البرنامج التعليمي. معلومات الاستشهاد لهذا المشروع هي كما يلي:

@misc{liu2025flowgrpo,
      title={Flow-GRPO: Training Flow Matching Models via Online RL}, 
      author={Jie Liu and Gongye Liu and Jiajun Liang and Yangguang Li and Jiaheng Liu and Xintao Wang and Pengfei Wan and Di Zhang and Wanli Ouyang},
      year={2025},
      eprint={2505.05470},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2505.05470}, 
}