yejy53/RealGen

解決的問題

RealGen 解決了 AI 生成圖像缺乏寫實性的問題，特別針對消除偽影和增強細節進行優化，使生成的圖像與真實照片無異。

工作原理

RealGen 採用了一種稱為 Detector Reward-guided GRPO 的後訓練方法。它利用 AIGC (AI-Generated Content) 檢測器作為獎勵信號；透過訓練生成器「逃避」AI 檢測器的檢測，迫使模型減少人工痕跡並提高物理保真度。

RealGen-V2 透過引入動態的 GAN 啟發式線上強化學習範式進一步演進。

適用對象

本專案面向致力於實現更高寫實水平並減少 AI 生成偽影的文本生成圖像研究人員與開發人員。

亮點

• 檢測器引導獎勵：透過強化學習，利用 AI 檢測器引導模型走向寫實化。
• RealBench：一種使用自動化 Detector-Scoring 和 Arena-Scoring 評估寫實性的新基準，無需人工評估者。
• 高性能：在美感和細節方面優於通用圖像模型和專門的寫實模型。
• 框架相容性：相容各種基於擴散模型的 GRPO 範式，例如 Dance GRPO 和 Flow GRPO。