Neue Methode: Soft Q-basierte Diffusion-Fine‑Tuning verbessert Bildgenerierung
Diffusionsmodelle sind bekannt für ihre Fähigkeit, hochwahrscheinliche Bilder zu erzeugen, stoßen jedoch häufig an die Grenzen, wenn sie an spezifische Zielsetzungen angepasst werden müssen. Traditionelle Feinabstimmungsansätze neigen dazu, die Belohnung zu stark zu optimieren, was zu künstlichen, wenig vielfältigen Ergebnissen führt.
