EvoSearch-Codes: Evolutionäres Algorithmus-Framework

1. Einführung in das Tutorial

EvoSearch-Codes ist eine evolutionäre Suchmethode, die am 1. Mai 2025 von der Hong Kong University of Science and Technology und dem Team von Kuaishou Keling eingeführt wurde. Die Generierungsqualität des Modells wird durch den erhöhten Rechenaufwand während der Inferenz, die Unterstützung der Bild- und Videogenerierung sowie die Unterstützung modernster diffusions- und flussbasierter Modelle deutlich verbessert. EvoSearch benötigt weder Training noch Gradientenaktualisierungen und kann bei einer Reihe von Aufgaben signifikante optimale Ergebnisse erzielen. Zudem zeichnet es sich durch gute Skalierbarkeit, Robustheit und Generalisierung aus. Mit zunehmendem Rechenaufwand während des Tests zeigt EvoSearch, dass SD2.1 und Flux.1-dev das Potenzial haben, GPT-4o zu erreichen oder sogar zu übertreffen. Bei der Videogenerierung kann Wan 1.3B Wan 14B und Hunyuan 13B übertreffen und zeigt damit das Potenzial und den Forschungsspielraum für die Skalierung während der Testzeit als Ergänzung zur Skalierung während der Trainingszeit. Die relevanten Ergebnisse der Studie lauten:Skalierung der Bild- und Videogenerierung über die evolutionäre Suche zur Testzeit".

Dieses Tutorial verwendet eine einzelne RTX A6000-Karte als Ressource. Es bietet drei Testbeispiele: WAN-Videogenerierung, SD-Bildgenerierung und FLUX-Bildgenerierung.

2. Projektbeispiele

3. Bedienungsschritte

1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen

2. Anwendungsschritte

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

2.1 WAN-Videogenerierung

Tipp: Die Erstellung des Videos dauert etwa 5–8 Minuten.

Parameterbeschreibung

• Erweiterte Einstellungen
  • Zufälliger Seed: Zufälliger Seed.
  • Höhe: Höhe der Videogenerierung.
  • Breite: Breite der Videogenerierung.
  • Videodauer: Steuert die Videodauer.
  • Inferenzschritte: Inferenzschritte.
  • Anleitungsskala: Steuert die Stärke des Einflusses von Texthinweisen auf das generierte Video.
  • Iteration: Anzahl der Iterationen.

2.2 SD-Bilderzeugung

Tipp: Es ist besser, Englisch als Eingabewort zu verwenden.

• Erweiterte Einstellungen
  • Zufälliger Seed: Zufälliger Seed.
  • Bildgröße: Bildgröße.
  • Inferenzschritte: Inferenzschritte.
  • CFG-Skala: Steuert die Stärke des Einflusses von Texthinweisen auf das generierte Bild.
  • Iteration: Anzahl der Iterationen.

2.3 FLUX-Bilderzeugung

4. Diskussion

🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓

Zitationsinformationen

Die Zitationsinformationen für dieses Projekt lauten wie folgt:

@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}
}