論文の概要: Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation

• arxiv url: http://arxiv.org/abs/2605.17807v1
• Date: Mon, 18 May 2026 03:30:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.717208
• Title: Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation
• Title（参考訳）: カリキュラムグループポリシー最適化:テキスト・画像生成の可能性を高めるための適応サンプリング
• Authors: Baoteng Li, Xianghao Zang, Xinran Wang, Xiangyu Na, Zhixiang He, Hao Sun, Chi Zhang, Zhongjiang He, Tianwei Cao, Kongming Liang, Zhanyu Ma,
• Abstract要約: トレーニング効率を改善するには、モデルの進化する能力にマッチするプロンプトを継続的に優先順位付けする必要があります。 本稿では,適応型カリキュラム学習フレームワークCGPOを提案する。 GenEval, T2I-CompBench++, DPG Benchの実験により, 本フレームワークは生成性能を効果的に向上することを示した。
• 参考スコア（独自算出の注目度）: 45.28944966622482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-Image (T2I) generation has achieved remarkable progress in recent years. Meanwhile, reinforcement learning methods, particularly those based on Group Relative Policy Optimization (GRPO), have attracted widespread attention and been successfully applied to T2I tasks. However, the uniform sampling strategy commonly used during training often ignores the match between sample difficulty and the model's current learning capability, leading to low training efficiency. We argue that improving training efficiency requires continuously prioritizing prompts that match the model's evolving capability and remain actively learnable. To this end, we propose Curriculum Group Policy Optimization (CGPO), an adaptive curriculum training framework. During training, each prompt produces a group of images scored by a reward model. We use the variance of group rewards as an online proxy for prompt inconsistency. A higher variance suggests that the model has partially captured the prompt requirements but has not yet achieved stable mastery. Such prompts are more likely to provide useful learning signals, so we increase their sampling probabilities accordingly. Additionally, to address data imbalance in multi-category datasets, we design a category calibration method based on proportional fairness optimization, which balances training difficulty across categories. Experiments on GenEval, T2I-CompBench++, and DPG Bench demonstrate that our framework effectively improves generation performance.
• Abstract（参考訳）: 近年,テキスト・ツー・イメージ(T2I)生成は顕著な進歩を遂げている。 一方、強化学習手法、特にグループ相対政策最適化(GRPO)に基づく手法は広く注目されており、T2Iタスクにうまく適用されている。 しかしながら、トレーニング中に一般的に使用される一様サンプリング戦略は、サンプル難易度とモデルの現在の学習能力との一致を無視することが多く、訓練効率が低下する。 トレーニング効率の改善には、モデルの進化する能力にマッチし、積極的に学習可能なプロンプトを継続的に優先順位付けする必要がある、と私たちは主張する。 そこで本研究では,適応型カリキュラム学習フレームワークであるCGPOを提案する。 トレーニング中、各プロンプトは報酬モデルによってスコアされた画像のグループを生成する。 我々は、グループ報酬の分散を、即時不整合のためのオンラインプロキシとして利用する。 高いばらつきは、モデルが部分的に要求を捉えているが、まだ安定した熟達を達成できていないことを示唆している。 このようなプロンプトは、より有用な学習信号を提供する可能性が高いため、サンプリング確率を増加させる。 さらに,マルチカテゴリデータセットにおけるデータ不均衡に対処するために,カテゴリ間のトレーニングの難易度をバランスさせる,比例フェアネス最適化に基づくカテゴリキャリブレーション手法を設計する。 GenEval, T2I-CompBench++, DPG Benchの実験により, 本フレームワークは生成性能を効果的に向上することを示した。

関連論文リスト

• Bagging-Based Model Merging for Robust General Text Embeddings [73.51674133699196]
  汎用テキスト埋め込みモデルは、幅広いNLPおよび情報検索アプリケーションを支える。 本稿では,データスケジューリングとモデルマージという2つの観点から,テキスト埋め込みのためのマルチタスク学習の体系的研究を行う。 本稿では,Baging ベースの rObust mOdel Merging (BOOM) を提案する。
  論文  参考訳（メタデータ） (2026-02-05T15:45:08Z)
• Curriculum Direct Preference Optimization for Diffusion and Consistency Models [110.08057135882356]
  テキスト・ツー・イメージ・ジェネレーションのためのカリキュラム学習に基づくDPOの新しい拡張版を提案する。 我々のアプローチであるCurriculum DPOは、9つのベンチマークにおける最先端の微調整アプローチと比較される。
  論文  参考訳（メタデータ） (2024-05-22T13:36:48Z)
• Make Prompts Adaptable: Bayesian Modeling for Vision-Language Prompt Learning with Data-Dependent Prior [14.232144691524528]
  最近のVision-Language Pretrainedモデルは、多くの下流タスクのバックボーンとなっている。 MLEトレーニングは、トレーニングデータにおいて、コンテキストベクトルを過度に適合する画像特徴に導くことができる。 本稿では,素早い学習のためのベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-01-09T10:15:59Z)
• Flipped Classroom: Effective Teaching for Time Series Forecasting [0.0]
  LSTMとGRUに基づくシーケンス・ツー・シーケンス・モデルは時系列データの予測において最も一般的な選択肢である。 この文脈における2つの一般的なトレーニング戦略は、教師強制(TF)とフリーランニング(FR)である。 いくつかの新しいカリキュラムを提案し、その性能を2つの実験セットで体系的に評価する。
  論文  参考訳（メタデータ） (2022-10-17T11:53:25Z)

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。