論文の概要: Traversing the Satisfaction-Diversity Frontier in Text-to-Image Diffusion

• arxiv url: http://arxiv.org/abs/2610.02372v1
• Date: Thu, 01 Oct 2026 18:50:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:20:54.747536
• Title: Traversing the Satisfaction-Diversity Frontier in Text-to-Image Diffusion
• Title（参考訳）: テキスト・画像拡散における満足度・多様性フロンティアの追跡
• Abstract要約: SatisDiveは、FLUX.1-devをベースモデルに、HPSv3をベースモデルに、SANA-1.6Bをベースモデルに、ImageRewardを最大0.70まで、FKステアリングに対する最悪の報酬を改善する。 重なり合うDreamSimの範囲で、SatisDiveの満足度と多様性の曲線はそれぞれの設定においてFKステアリングの曲線を支配している。
• 参考スコア（独自算出の注目度）: 42.402001161554985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-image generation enables users to explore several images generated from the same prompt. For these generated images to be useful, each one must reflect the user's preferences, measured by a learned reward, and differ visually from the others to maintain diversity. Existing methods are limited: they either address reward and diversity separately or combine them in one aggregate score, enabling high diversity to offset low rewards. In this paper, we address these limitations by formulating generation as satisficing: every image (candidate) must satisfy a reward floor and the batch of images must satisfy a diversity cutoff. The reward floor controls the balance between worst-candidate reward and batch diversity; we show that varying this floor defines a Pareto frontier. To traverse this frontier, we introduce SatisDive, a training-free inference-time method. SatisDive uses a batch-relative reward cutoff to distinguish lower- from higher-reward candidates, emphasizing reward improvement for candidates below the cutoff and diversity among candidates above it. On Pick-a-Pic, at matched DreamSim, SatisDive improves worst-candidate reward over FK steering by up to 0.43 with FLUX.1-dev as the base model and HPSv3 as the reward, and by up to 0.70 with SANA-1.6B as the base model and ImageReward as the reward. More broadly, across their overlapping DreamSim ranges, SatisDive's satisfaction-diversity curve Pareto-dominates FK steering's curve in each setting.
• Abstract（参考訳）: テキスト・ツー・イメージ生成では、同じプロンプトから生成された複数の画像を探索することができる。 これらの生成画像が有用であるためには、各画像はユーザの好みを反映し、学習した報酬によって測定され、多様性を維持するために他と視覚的に異なる必要がある。 既存の方法は限定的であり、報酬と多様性を個別に扱うか、1つのアグリゲーションスコアに組み合わせることで、高い多様性が低い報酬を相殺することができる。 本稿では,各画像(候補)は報酬フロアを満足し,各画像のバッチは多様性のカットオフを満足しなければならない。 報酬フロアは、最悪の報酬とバッチの多様性のバランスを制御し、このフロアによってパレートフロンティアが定義されることを示す。 このフロンティアを横断するために、トレーニング不要な推論時間法であるSatisDiveを紹介する。 SatisDiveは、バッチ相対的な報酬カットオフを使用して、上位候補と上位候補を区別し、カットオフ以下の候補者に対する報酬改善と上位候補間の多様性を強調している。 ピック・ア・ピック(Pick-a-Pic)では、ドリームシム(DreamSim)で、サティディーブはFKステアリングに対する最悪の報酬を、ベースモデルとしてFLUX.1-dev、ベースモデルとしてHPSv3、ベースモデルとしてSANA-1.6B、イメージリワード(ImageReward)で最大0.03まで改善した。 より広範に、それらの重なり合うドリームシムの範囲で、サティスディーブの満足度と多様性の曲線であるパレートは、それぞれの設定においてFKステアリングの曲線を支配している。

関連論文リスト

• Beyond Pairwise Preferences: Listwise Reward-Aware Alignment for Diffusion Models [73.08789211016567]
  Diffusion LAIRは、拡散モデルに対する報酬を考慮したリストワイズ選好最適化手法である。 実験により、テキスト・ツー・イメージ生成、合成生成、画像編集ベンチマークにおいて、強い優先最適化ベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-05-26T03:09:24Z)
• MARBLE: Multi-Aspect Reward Balance for Diffusion RL [71.6241143519038]
  強化学習は、拡散モデルと人間の嗜好を整合させる主要なアプローチとなっている。 既存のプラクティスは、報酬ごとに1つのスペシャリストモデルをトレーニングすることで、複数の報酬を処理します。 我々は,各報酬に対する独立な優位推定器を維持する勾配空間最適化フレームワークMARBLEを提案する。
  論文  参考訳（メタデータ） (2026-05-07T16:20:42Z)
• The Image as Its Own Reward: Reinforcement Learning with Adversarial Reward for Image Generation [52.648073272395635]
  本稿では、報酬モデルとジェネレータの両方を反復的に更新する逆報酬を持つRLフレームワークであるAdv-GRPOを紹介する。 パラメータ更新を制約するKL正規化とは異なり、学習した報酬は生成元を直接視覚出力に導く。 人的評価では,Flow-GRPO と SD3 がそれぞれ 70.0% と 72.4% の画像品質,美学に優れていた。
  論文  参考訳（メタデータ） (2025-11-25T12:35:57Z)
• Elucidating Optimal Reward-Diversity Tradeoffs in Text-to-Image Diffusion Models [20.70550870149442]
  Annealed Importance Guidance(AIG)は、Annealed Importance Smplingにインスパイアされた推論時正規化である。 安定拡散モデルに対するAIGの利点を実証し、報酬最適化と画像の多様性の最適なバランスを図った。
  論文  参考訳（メタデータ） (2024-09-09T16:27:26Z)
• Rewarded soups: towards Pareto-optimal alignment by interpolating weights fine-tuned on diverse rewards [101.7246658985579]
  ファンデーションモデルは、最初は大量の教師なしデータセットで事前トレーニングされ、次にラベル付きデータで微調整される。 多様な報酬の不均一性を多政学的戦略に従って受け入れることを提案する。 我々は,テキスト・ツー・テキスト(要約,Q&A,補助アシスタント,レビュー),テキスト・イメージ(画像キャプション,テキスト・ツー・イメージ生成,視覚的グラウンド,VQA)タスク,制御(移動)タスクに対するアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2023-06-07T14:58:15Z)

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。