扩散模型奖励微调新突破：Nabla-GFlowNet让多样性与效率兼得

香港中文大学（深圳）等机构的研究团队提出Nabla-GFlowNet方法，解决了扩散模型微调中速度与多样性之间的矛盾。通过生成流网络框架，该方法在Stable Diffusion模型上实现了高效微调，显著提升了生成图像的质量和多样性，同时避免了过拟合问题。实验结果显示，Nabla-GFlowNet在多种奖励函数下均优于现有方法。
来源：https://mp.weixin.qq.com/s/Xj-YZtkY0TqHbn9r9ei26w