反馈学习

优化扩散模型的反馈学习框架，提升图像生成质量与推理速度 UniFL是面向扩散模型优化的算法框架，通过感知反馈学习、解耦反馈学习、对抗性反馈学习三个核心组件，针对性解决当前扩散模型存在的图像质量不足、美学吸引力弱、推理速度偏慢等问题。经实验验证与用户研究，该框架可在多个扩散模型上实现显著性能提升，具备较强泛化能力。

面向文生图的增强身份保留的反馈学习技术框架 针对当前文本到图像生成中身份特征流失、生成审美不佳、与主流微调模型兼容性差的痛点，ID-Aligner通过奖励反馈学习机制，结合面部检测识别模型的反馈提升身份保真度，依托人工标注偏好与自动反馈提供审美调整信号，可适配LoRA与Adapter模型，经实验验证效果有效。