EvoSearch-codes：进化算法框架

一、教程简介

EvoSearch-codes 是由香港科技大学和快手可灵团队于 2025 年 5 月 1 日推出 Evolutionary Search 方法。通过提高推理时的计算量来大幅提升模型的生成质量，支持图像和视频生成，支持目前最先进的 diffusion-based 和 flow-based 模型。 EvoSearch 无需训练，无需梯度更新，即可在一系列任务上取得显著最优效果，并且表现出良好的 scaling up 能力，鲁棒性和泛化性。随着测试时计算量提升，EvoSearch 表明 SD2.1 和 Flux.1-dev 也有潜力媲美甚至超过 GPT-4o 。对于视频生成，Wan 1.3B 也能超过 Wan 14B 和 Hunyuan 13B，展现了 test-time scaling 补充 training-time scaling 的潜力和研究空间。相关论文成果为「Scaling Image and Video Generation via Test-Time Evolutionary Search」。

本教程采用资源为单卡 RTX A6000 。本教材提供 Wan Video Generation 、 SD Image Generation 和 FLUX Image Generation 三个示例供测试。

二、项目示例

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

2. 使用步骤

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。

2.1 Wan Video Generation

提示：生成视频大约需要 5 – 8 分钟。

参数说明

• Advanced Settings
  • Random Seed：随机种子。
  • Height：视频生成高度。
  • Width：视频生成宽度。
  • Video duration：控制视频时长。
  • Inference Steps：推理步骤。
  • Guidance Scale：控制文本提示对生成视频的影响强度。
  • Iteration：迭代次数。

2.2 SD Image Generation

提示：提示词使用英文效果更好。

• Advanced Settings
  • Random Seed：随机种子。
  • Image Size：图像大小。
  • Inference Steps：推理步骤。
  • CFG Scale：控制文本提示对生成图像的影响强度。
  • Iteration：迭代次数。

2.3 FLUX Image Generation

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

本项目引用信息如下：

@misc{he2025scaling,
    title={Scaling Image and Video Generation via Test-Time Evolutionary Search},
    author={Haoran He and Jiajun Liang and Xintao Wang and Pengfei Wan and Di Zhang and Kun Gai and Ling Pan},
    year={2025},
    eprint={2505.17618},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}