新框架VVR提升文生图指令遵循能力，SD3.5准确率升至28.3%
论文AI 评分 68/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
文生图在满足物体数量与空间关系等精确指令上存在挑战，现有奖励模型不可靠。研究者提出可验证视觉奖励框架VVR，基于几何对象场景生成提示与确定性验证器，泛化至自然提示。发布含万项任务与32种约束的VVRBench及含720项复杂任务的Challenge集，GPT-Image-2.5在后者仅解21.4%。用VVR作RL奖励使SD3.5 Medium在VVRBench准确率从2.8%升至28.3%，实现由易到难泛化，且在域外基准及人类偏好上亦有提升。
为什么值得看
提供可编程验证的视觉奖励，显著解决文生图空间/数量指令不跟问题，提升模型泛化与人类偏好。
GPT文生图
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。