這個新方法有點(diǎn)牛 無需數(shù)據(jù)訓(xùn)練就能改善Stable Diffusion

　　受到大型語言模型的微調(diào)的啟發(fā)，研究人員現(xiàn)在正試圖使用強(qiáng)化學(xué)習(xí)來微調(diào)生成AI模型以實現(xiàn)特定目標(biāo)，例如提高圖像的美學(xué)質(zhì)量，從而干預(yù)這一過程。

　　最近，伯克利人工智能研究中心(BAIR)的研究人員使用強(qiáng)化學(xué)習(xí)來進(jìn)一步優(yōu)化生成式人工智能模型用于改善圖像生成的效果。

　　通過測試，他們發(fā)現(xiàn)去噪擴(kuò)散策略優(yōu)化(DDPO)在優(yōu)化圖像的壓縮性、不可壓縮性、美學(xué)質(zhì)量和提示圖像對齊方面表現(xiàn)出了有效性。

　　在他們的測試中，該團(tuán)隊表明DDPO可以有效地用于優(yōu)化四個任務(wù)。此外，它們還顯示出一定的可推廣性:例如，對45種常見動物物種進(jìn)行了美學(xué)質(zhì)量或提示圖像對齊的優(yōu)化，但也可以轉(zhuǎn)移到其他動物物種或無生命物體的表示上。

　　這種方法不需要訓(xùn)練數(shù)據(jù)，為基于人工智能的圖像合成開辟了新的可能性，但仍需要進(jìn)一步探索。

　　與強(qiáng)化學(xué)習(xí)中常見的一樣，DDPO也表現(xiàn)出獎勵過度優(yōu)化的現(xiàn)象:該模型在某個節(jié)點(diǎn)之后破壞所有任務(wù)中所有有意義的圖像內(nèi)容，這個問題需要在進(jìn)一步的工作中進(jìn)行調(diào)查。