DDSPO: 通过自监督偏好学习增强扩散模型

本文介绍了直接扩散分数偏好优化 (DDSPO)，这是一种通过将输出与用户意图对齐并增强视觉质量来改进扩散模型的新方法。关键创新在于使用从预训练参考模型在原始和退化提示下对比输出得出的每个时间步的监督。这种方法消除了对昂贵的人工标记数据集和显式奖励建模的需求，使其比现有的基于偏好的方法更有效、更具可扩展性。本文的重要性在于它有可能在更少的监督下提高扩散模型的性能，从而带来更好的文本到图像生成和其他生成任务。

• •DDSPO 是一种用于扩散模型的基于偏好的训练的新方法。
• •它使用从预训练参考模型的对比输出中得出的每个时间步的监督。
• •它消除了对人工标记数据和显式奖励建模的需求。
• •DDSPO 提高了文本-图像对齐和视觉质量。
• •与现有方法相比，它需要的监督明显更少。