HyperAI

1. Einführung in das Tutorial

SRPO ist ein Text-zu-Bild-Generierungsmodell, das im September 2025 gemeinsam vom Tencent Hunyuan-Team, der School of Science der Chinesischen Universität Hongkong, Shenzhen, und der Shenzhen International Graduate School der Tsinghua-Universität eingeführt wurde. Durch die Gestaltung des Belohnungssignals als textbedingtes Signal ermöglicht es eine Online-Anpassung der Belohnung und reduziert die Abhängigkeit von der Offline-Feinabstimmung der Belohnung. SRPO führt die Direct-Align-Technologie ein, die das Originalbild aus jedem Zeitschritt durch vordefinierte Rauschprioritäten direkt wiederherstellt und so das Problem der Überoptimierung in späteren Zeitschritten vermeidet. Experimente mit dem Modell FLUX.1.dev zeigen, dass SRPO den vom Menschen bewerteten Realismus und die ästhetische Qualität der generierten Bilder deutlich verbessern kann. Die Trainingseffizienz ist extrem hoch und die Optimierung kann in nur 10 Minuten abgeschlossen werden. Die relevanten Ergebnisse der Studie lauten:Direkte Ausrichtung der vollständigen Diffusionsbahn an feinkörnigen menschlichen Präferenzen".

Dieses Tutorial verwendet eine einzelne A6000-GPU als Rechenressource. Dieses Modell unterstützt derzeit nur englische Eingabeaufforderungen.

2. Effektanzeige

3. Bedienungsschritte

1. Starten Sie den Container

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. Anwendungsschritte

Spezifische Parameter:

Eingabeaufforderung: Hier können Sie eine Textbeschreibung eingeben.
Breite: Bildbreite.
Höhe: Die Höhe des Bildes.
Führungsskala: Führungsskala, die verwendet wird, um den Einfluss von Textaufforderungen auf das Endergebnis während der Bildgenerierung zu steuern.
Inferenzschritte: Die Anzahl der Inferenzschritte steuert die Anzahl der Iterationen des Generierungsprozesses und wirkt sich auf die Generierungsqualität und die Berechnungszeit aus.
Seed: Zufallszahlen-Seed, der zur Steuerung des Anfangswerts des Zufallsgenerierungsprozesses verwendet wird.
Verwendeter Seed: Der verwendete Seed.

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{shen2025directlyaligningdiffusiontrajectory,
      title={Directly Aligning the Full Diffusion Trajectory with Fine-Grained Human Preference}, 
      author={Xiangwei Shen and Zhimin Li and Zhantao Yang and Shiyi Zhang and Yingfang Zhang and Donghao Li and Chunyu Wang and Qinglin Lu and Yansong Tang},
      year={2025},
      eprint={2509.06942},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2509.06942}, 
}