Oct, 2023

将文本到图像扩散模型与奖励反向传播对齐

TL;DRAlignProp是一种用于将扩散模型与下游奖励函数对齐的方法,通过反向传播奖励梯度穿越去噪过程,它在较少的训练步骤中实现了更高的奖励,且概念上更简单,因此对于优化不同iable reward functions感兴趣的扩散模型来说是一个直观的选择。