文生图扩散模型中遍历满意度与多样性前沿

研究提出无需训练的推理方法 SatisDive，通过设定奖励底线与多样性截断值平衡文生图扩散模型的生成质量与批次多样性。SatisDive 重点提升低奖励候选图像的质量，并增强高奖励图像间的多样性。在 Pick-a-Pic 评测中，SatisDive 相比 FK steering 在 FLUX.1-dev 与 SANA-1.6B 基座上将最差候选奖励分别提升最高 0.43 和 0.70。