PortraitGen：范例驱动的 GRPO，具有双重奖励指导，可生成逼真的肖像

组相对策略优化 (GRPO) 等强化学习显着改进了文本到图像 后训练。然而，当前的方法往往偏向于肤浅的美学，例如过度饱和的颜色，而导致人工智能伪影和生物不可信等关键缺陷未能得到解决。我们将这些限制归因于两个主要因素：（1）后训练 期间缺乏真实图像将 GRPO 采样限制在原始分布中，未能打破固有的生成边界； (2) 优化过程缺乏针对细粒度伪影（例如过度油性皮肤和其他人工智能伪影）的特定奖励。为了解决这个问题，我们提出了 PortraitGen，这是一种专为生成逼真肖像而量身定制的新颖框架。首先，我们通过直接将真实图像引入 GRPO 采样组来打破固有的生成边界，其中采用图像反演来获得它们的转移概率和潜伏。其次，为了明确引导模型走向真实感，我们引入了一种互补的双重奖励机制：用于一般质量的 OmniReward 和用于以人为中心的保真度的 AI-Portrait。此外，我们还策划了 PortraitBench，这是一个以肖像为中心的综合基准测试。大量实验表明，PortraitGen 的性能显着优于现有基线，有效抑制了 AI 伪影并实现了前所未有的照片级真实感。