学习扩散模型的采样参数

文本到图像扩散模型公开了许多推理时间采样参数，包括提示、负提示、无分类器指导尺度和噪声时间表。这些参数通常手动选择一次，然后在提示和去噪时间步长中保持固定，即使不同的提示和生成阶段可以受益于不同的参数值。我们介绍 LeSAMP，一个用于学习提示条件、时间步长变化采样参数的框架。我们将参数选择表述为强化学习问题：根据用户提示，训练 大语言模型 来发出所选采样参数的时间表。我们使用人类偏好模型和 VLM 作为法官的奖励来优化我们的模型。我们在 Flux.1 [dev] 和 Stable Diffusion 3.5 上评估我们的模型，发现与基线相比，LeSAMP 使用人类偏好评分的胜率高达 68.12%，使用 VLM 作为法官的胜率高达 73.37%。这些收益在一项用户研究中得到了验证，我们的胜率比之前的基线高达 59.46%。我们的结果表明，学习的采样参数策略为现有的 后训练 方法提供了一种补充方法，用于改进扩散模型输出。