論文の概要: OneReward: Unified Mask-Guided Image Generation via Multi-Task Human Preference Learning

• arxiv url: http://arxiv.org/abs/2508.21066v1
• Date: Thu, 28 Aug 2025 17:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:02.555563
• Title: OneReward: Unified Mask-Guided Image Generation via Multi-Task Human Preference Learning
• Title（参考訳）: OneReward:マルチタスク人選好学習による統一マスクガイド画像生成
• Authors: Yuan Gong, Xionghui Wang, Jie Wu, Shiyin Wang, Yitong Wang, Xinglong Wu,
• Abstract要約: OneRewardは統合強化学習フレームワークで、複数のタスクにわたってモデルの生成能力を向上する。 マルチタスク強化学習によるマスク誘導生成モデルであるSeedream 3.0 Fillを開発した。
• 参考スコア（独自算出の注目度）: 26.133555631867385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce OneReward, a unified reinforcement learning framework that enhances the model's generative capabilities across multiple tasks under different evaluation criteria using only \textit{One Reward} model. By employing a single vision-language model (VLM) as the generative reward model, which can distinguish the winner and loser for a given task and a given evaluation criterion, it can be effectively applied to multi-task generation models, particularly in contexts with varied data and diverse task objectives. We utilize OneReward for mask-guided image generation, which can be further divided into several sub-tasks such as image fill, image extend, object removal, and text rendering, involving a binary mask as the edit area. Although these domain-specific tasks share same conditioning paradigm, they differ significantly in underlying data distributions and evaluation metrics. Existing methods often rely on task-specific supervised fine-tuning (SFT), which limits generalization and training efficiency. Building on OneReward, we develop Seedream 3.0 Fill, a mask-guided generation model trained via multi-task reinforcement learning directly on a pre-trained base model, eliminating the need for task-specific SFT. Experimental results demonstrate that our unified edit model consistently outperforms both commercial and open-source competitors, such as Ideogram, Adobe Photoshop, and FLUX Fill [Pro], across multiple evaluation dimensions. Code and model are available at: https://one-reward.github.io
• Abstract（参考訳）: 本稿では,複数のタスクにまたがるモデル生成能力を向上させる統合強化学習フレームワークであるOneRewardを紹介する。 一つの視覚言語モデル(VLM)を生成報酬モデルとし、与えられたタスクの勝者と敗者と評価基準を区別することにより、マルチタスク生成モデル、特に様々なデータと多様なタスク目的のコンテキストにおいて効果的に適用することができる。 We use OneReward for mask-guided image generation, which can be into several sub-tasks such as image fill, image extends, object removed, text rendering, involved a binary mask as the edit area。 これらのドメイン固有のタスクは、同じ条件付けパラダイムを共有しているが、基礎となるデータ分散と評価指標で大きく異なる。 既存の手法はしばしば、一般化と訓練の効率を制限するタスク固有の教師付き微調整(SFT)に依存している。 On OneReward, we developed Seedream 3.0 Fill, a mask-guided generation model, training through multi-task reinforcement learning directly on a pre-trained base model, away the need of task-specific SFT。 この統合編集モデルは,Ideogram,Adobe Photoshop,FLUX Fill[Pro]など,商用およびオープンソース双方のコンペティタを,複数の評価範囲で一貫して上回っていることを示す。 コードとモデルについては、https://one-reward.github.ioで公開されています。

関連論文リスト

• UniVG: A Generalist Diffusion Model for Unified Image Generation and Editing [59.590505989071175]
  テキスト・ツー・イメージ(T2I)拡散モデルでは、ユーザのプロンプトに従って視覚的に魅力的な画像を生成するという印象的な結果が示されている。 我々は,一組の重みで多様な画像生成タスクをサポートする汎用拡散モデルUniVGを紹介する。
  論文  参考訳（メタデータ） (2025-03-16T21:11:25Z)
• MOWA: Multiple-in-One Image Warping Model [65.73060159073644]
  本研究で提案するマルチ・イン・ワン・イメージ・ワープ・モデル(MOWA)について述べる。 領域レベルと画素レベルでの動作推定を両立させることにより,マルチタスク学習の難しさを軽減する。 私たちの知る限り、これは1つのモデルで複数の実用的なワープタスクを解決する最初の作業です。
  論文  参考訳（メタデータ） (2024-04-16T16:50:35Z)
• UnIVAL: Unified Model for Image, Video, Audio and Language Tasks [105.77733287326308]
  UnIVALモデルは2つのモードを超えて、テキスト、画像、ビデオ、オーディオを1つのモデルに統合する。 本モデルは,タスクバランスとマルチモーダルカリキュラム学習に基づいて,多くのタスクに対して効率的に事前学習を行う。 統一モデルにより、重み一般化によるマルチモーダルモデルの融合に関する新しい研究を提案する。
  論文  参考訳（メタデータ） (2023-07-30T09:48:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。