腾讯混元团队在ai绘画领域实现重大进展，通过革新微调范式，大幅增强模型生成图像的质量，使输出结果更精准匹配人类对细节与美感的复杂偏好。仅需在32块h20 gpu上训练10分钟，模型即可完成收敛，人工评估的真实感与美学得分提升超3倍。

当前主流扩散模型虽已引入奖励机制以贴近人类审美，但仍面临两大瓶颈：

其一，优化轮次有限，易触发“奖励作弊”现象——即模型为片面追求高分而产出低质图像；
其二，需依赖离线更新奖励模型才能改善美学表现，导致实时调控能力薄弱，适应性受限。

针对上述挑战，团队提出两项核心技术突破。

Direct-Align 方法：通过预设噪声注入策略，支持从任意扩散时间步无损还原原始图像。扩散过程本质是噪声与目标图像间的连续插值，该方法预先建模噪声先验分布，并利用插值机制直接实现跨时间步重建，有效规避传统反向传播在早期阶段因梯度剧烈震荡引发的数值不稳定问题。

实验证明，即便仅完成5%的去噪进程（即极早期时间步），模型仍可准确复原图像的整体构图与粗略结构。更重要的是，该方法支持在整个扩散轨迹上开展端到端优化，突破了ReFL、DRaFT等方案仅能在后期阶段（如最后25%时间步）施加干预的局限。若仅在末段优化，极易诱发严重奖励黑客行为——例如模型过度迎合HPSv2对红色系的偏好，或PickScore对紫色调的倾向，从而牺牲图像真实性与多样性。

语义相对偏好优化（SRPO） 是另一项关键创新。传统多奖励融合策略仅通过缩放不同奖励值来平衡偏好，未从根本上统一优化方向。SRPO则将奖励信号重构为文本条件驱动机制：对同一张图像，分别使用正向提示词与负向提示词计算奖励得分，取二者差值作为核心优化目标，实现更鲁棒的语义对齐。

在实际部署中，仅需在原始提示前添加轻量控制短语，即可完成在线风格调控。实验表明，加入“Realistic photo”类引导词后，图像真实感提升约3.7倍，美学质量提升达3.1倍。SRPO还支持多种细粒度风格迁移，如明暗调节、漫画化转换等，操作简洁且效果显著。

控制强度与所用关键词在奖励模型训练语料中的出现频次高度相关：高频词（如“painting”）响应迅速、效果稳定；低频词（如“Cyberpunk”）则建议搭配高频词协同使用，以保障调控可靠性。

DeepBrain

AI视频生成工具，ChatGPT +生成式视频AI =你可以制作伟大的视频!

146 查看详情

研究团队在FLUX.1-dev模型上开展了系统性验证。相较于ReFL、DRaFT、DanceGRPO等前沿方法，SRPO在各项评估指标中均位居榜首。

在HPDv2基准测试涵盖的3200个多样化提示下，SRPO不仅在自动评估指标（Aesthetic Score v2.5、PickScore、ImageReward等）全面领先，在人工评估中亦表现卓越。由10名专业标注员与3位领域专家组成的评审团，对500个提示生成图像进行双盲打分显示：原始FLUX模型在真实感维度的优秀率仅为8.2%，经SRPO微调后跃升至38.9%；美学质量优秀率由9.8%大幅提升至40.5%，整体用户偏好度优秀率达29.4%。

值得注意的是，DanceGRPO虽能提升部分美学指标，但常引入明显视觉伪影，如不自然的镜面高光与生硬边缘强化。相比之下，SRPO生成图像在维持高阶美学水准的同时，纹理呈现更为细腻、光影过渡更加自然真实。

尤为突出的是，仅经过10分钟SRPO训练的FLUX.1-dev，在HPDv2基准上的综合表现已超越最新开源版本FLUX.1.Krea。

这项成果不仅彰显了腾讯混元团队在生成式AI底层技术上的深厚积累，也为AI绘画的技术演进提供了全新范式，进一步拓展AI赋能艺术创作的边界与可能性。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

以上就是腾讯混元升级AI绘画微调范式，图像真实感和美学评分提升3倍！的详细内容，更多请关注其它相关文章！

# 播客  # 广西本地网站建设运营  # 鹤壁网站优化制作公司  # 设计大型网站建设  # 行业网站建设介绍  # 抖音seo算法推荐  # 美篇里如何营销推广  # 竞赛剪纸网站推广  # 蔡江seo搜狐  # 公众号关键词seo  # 沈阳seo技巧成功案例  # 仅需  # 腾讯混元  # 唯一一  # 首个  # 重构  # 还能  # 官网  # 的是  # 关键词  # ai绘画  # ai  # 腾讯 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： 2026年CSGO开箱网站推荐 CSGO开箱平台精选  利用Bokeh CustomJS动态控制DataTable列可见性  在python-socketio事件处理器中安全访问Flask应用上下文  win11怎么查看应用耗电情况 Win11电池设置查看应用能耗排行榜【优化】  修复二维数组索引越界异常：一维循环到二维坐标的正确映射  正确连接J*aScript到HTML实现可点击图片与自定义事件处理  新手怎么开始学化妆 零基础化妆入门教程  处理嵌套交互式控件：前端可访问性指南  Linux如何排查内存不足OOME问题_LinuxOOM分析教程  Golang如何处理RPC请求负载均衡_Golang RPC请求负载均衡策略与实践  C++ vector二维数组定义_C++ vector of vector用法  在Go Martini框架中高效服务动态生成图像的实践指南  css滚动区域卡顿如何改善_css滚动问题用will-change优化渲染  在J*a中如何开发简易博客标签推荐系统_博客标签推荐项目实战解析  React/Next.js中实现列表项的动态选择与移动  C++如何操作大型数据集_使用C++流式处理(Streaming)技术避免一次性加载大文件  蛙漫限时开放最深处链接_蛙漫全站漫画会员同款秒开地址  PDF文件体积过大处理_PDF压缩技巧详解  Excel中VLOOKUP的第四个参数是干什么用的_Excel VLOOKUP第四参数作用解析  深入理解J*a合成构造器：何时以及为何阻止其生成  谷歌浏览器无痕模式怎么开 Chrome开启无痕浏览设置方法【教程】  Python类型检查：优化关联可选属性的Mypy推断策略  Python中高效访问嵌套字典与列表中的键值对  快手官方唯一登录入口 谨防山寨钓鱼网站  Win11如何使用Windows Sandbox Win11沙盒功能开启与使用教程【详解】  漫蛙2正版漫画站 漫蛙2网页版快速访问入口  理解Python模块与全局变量的作用域管理  在Qt QML中通过Python字典动态更新TextEdit内容的教程  C++的std::mdspan是什么_C++23中用于操作多维数组的非拥有视图  Yandex免登录官网入口_俄罗斯Yandex搜索引擎直达链接  微信网页版官方快速登录入口 微信网页版网页版账号直达  Composer如何在生产环境安全地执行composer update  html怎么运行外部js文件中的函数_运html外js文件函数法【技巧】  蛙漫2日版入口 WAMAN2(日版)无删减漫画官网链接  如何使用spryker/configurable-bundles-products-resource-relationship模块解决复杂产品捆绑关系难题  AO3最新镜像入口 Archive of Our Own官方平台访问  c++如何实现单例设计模式_c++线程安全的单例模式写法  Win11怎么开启省电模式_Win11电池节电模式自动开启  一加Ace 6T实拍样张首次公布！李杰：主摄实力完全看齐4K档性能旗舰  探索高级语言到C/C++的转译路径：以Go为例及内存管理策略  uc浏览器网页版极速入口 uc网页浏览器网页版流畅体验  汽水音乐车机版8.9下载 汽水音乐车机版8.9版本安装入口  谷歌浏览器怎么给标签页静音_Chrome标签静音快捷操作  J*aScript中高效管理与清空动态列表：避免循环陷阱  Composer如何处理Git子模块（submodule）依赖_Composer与Git Submodule的对比与选择  css绝对定位元素脱离父容器怎么办_确保父元素position非static  深入理解J*a编译器的兼容性选项：从-source到--release  MinIO大规模对象列表性能瓶颈深度解析与外部元数据管理策略  在哪找SublimeJ远程工具_SFTP插件配置教程  c++中的std::basic_string的SSO优化_c++短字符串优化深度解析