TA-GRPO

新框架通过对齐的奖励增强视觉生成模型

研究人员引入了一个名为生成器对齐奖励建模（GARM）和目标感知边界优化（TABO）的新框架，以改进视觉生成模型。GARM通过使用生成器支持匹配和内容匹配的真实对比度进行奖励监督，解决了分布不匹配和内容混淆等问题。TABO随后将此奖励映射到一个从目标正例校准的平滑、有界函数，该函数可与各种优化算法一起使用。该框架还包括用于视频优化的目标感知GRPO（TA-GRPO），它在保持生成质量和减少意外属性泄露的同时增强了目标属性。