yejy53/RealGen

解决的问题

RealGen 解决了 AI 生成图像缺乏写实性的问题，特别针对消除伪影和增强细节进行优化，使生成的图像与真实照片无异。

工作原理

RealGen 采用了一种称为 Detector Reward-guided GRPO 的后训练方法。它利用 AIGC (AI-Generated Content) 检测器作为奖励信号；通过训练生成器“逃避”AI 检测器的检测，迫使模型减少人工痕迹并提高物理保真度。

RealGen-V2 通过引入动态的 GAN 启发式在线强化学习范式进一步演进。

适用对象

本项目面向致力于实现更高写实水平并减少 AI 生成伪影的文本生成图像研究人员和开发人员。

亮点

• 检测器引导奖励：通过强化学习，利用 AI 检测器引导模型走向写实化。
• RealBench：一种使用自动化 Detector-Scoring 和 Arena-Scoring 评估写实性的新基准，无需人工评估者。
• 高性能：在美感和细节方面优于通用图像模型和专门的写实模型。
• 框架兼容性：兼容各种基于扩散模型的 GRPO 范式，如 Dance GRPO 和 Flow GRPO。