生成于生成之上：面向自演化扩散模型的ethods
计算机视觉与模式识别
2025-02-17 v1
摘要
递归自我改进 (RSI) 使智能系统能够自主 refinement their capabilities。本文探索了RSI在文本到图像扩散模型中的应用，解决由合成数据引起的训练崩溃问题。我们确定导致该崩溃的两个关键因素：感知对齐性不足以及生成幻觉的积累。为缓解这些问题，我们提出了三种策略：(1) 设计用于促进感知对齐数据生成的提示构建与过滤管道；(2) 一种偏好抽样方法，用于识别人类偏好样本并过滤生成幻觉；(3) 一种基于分布的加权方案，用于对带有幻觉错误的所选样本进行惩罚。我们的大量实验验证了这些方法的有效性。
引用
@article{arxiv.2502.09963,
title = {Generating on Generated: An Approach Towards Self-Evolving Diffusion Models},
author = {Xulu Zhang and Xiaoyong Wei and Jinlin Wu and Jiaxin Wu and Zhaoxiang Zhang and Zhen Lei and Qing Li},
journal= {arXiv preprint arXiv:2502.09963},
year = {2025}
}