图像生成推理大模型，港中文北大等联手破解画质提升难题

图像生成模型，也用上思维链（CoT）了！


来自港中文、北大和上海AI Lab的研究团队，将CoT与生成模型结合到了一起。


实验结果表明，他们的这种方法能有效提高自回归图像生成的质量，甚至超越扩散模型。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第1张


此外，作者还提出了两种专门针对该任务的新型奖励模型——潜力评估奖励模型（Potential Assessment Reward Model，PARM）及其增强版本PARM++。


其中PARM++引入了反思机制（Reflection Mechanism），进一步优化了图像生成质量。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第2张



将CoT用于图像生成


研究团队观察到，自回归图像生成与LLM/LMM具有类似的推理架构，即：


  • 离散化的Token表示：无论是语言还是图像数据，自回归模型都将其量化为离散Token，并通过逐步预测的方式进行生成。
  • 逐步解码（Step-by-Step Decoding）：类似于CoT在数学问题上的逐步推理，自回归图像生成也可以逐步生成中间图像，并在生成过程中进行验证与优化。


于是，类比用CoT推理解决数学题的方案，研究团队设计了用CoT推理进行文生图的新方法。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第3张



具体来说，作者以“文生图”为任务场景，并使用了Show-o来作为baseline模型，研究主要分为测试时验证（Test-time Verification）、直接偏好优化（DPO）对齐以及二者的结合3个部分。


测试时验证


首先，论文探索如何使用奖励模型来进行测试时验证，实现了结果奖励模型（ORM）和过程奖励模型（PRM）方案。


在两者的基础上，作者又提出了两种全新的针对于图像生成任务的潜力评估奖励模型（PARM）和PARM++。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第4张



针对结果奖励模型，论文提出了零样本和微调2种方案，均使用Best-of-N的方式进行验证，即进行多次完整路径的生成，并从中选择出质量最高的最终图片。


零样本ORM基于LLaVA-OneVision的7B版本，通过下面的prompt来激发其作为文生图质量评估的能力：


图像生成推理大模型，港中文北大等联手破解画质提升难题 第5张


同时作者也构建了大规模的图文奖励数据来得到微调ORM，数据形式如下图所示：


图像生成推理大模型，港中文北大等联手破解画质提升难题 第6张


而对于过程奖励模型，作者使用了类似ORM的方案，同样尝试了零样本和微调两种方式，并对每个步骤进行Best-of-N的方案，即逐步选择出质量最高的中间阶段的生成图片。


然而，作者发现这种PRM无法对图像生成有显著的提升。


通过可视化，作者发现：PRM在早期生成阶段由于图像模糊而难以评估，而在后期生成阶段不同路径的图片趋于相似，导致辨别能力受限。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第7张


为了同时结合ORM的简洁和有效性，以及PRM细粒度逐个步骤验证的思想，作者提出了PARM。


PARM通过以下三步提升图像生成质量：


  • 清晰度判断（Clarity Judgment）：识别哪些中间步骤的图像已经足够清晰，可用于后续评估。
  • 潜力性评估（Potential Assessment）：分析当前步骤是否有潜力生成高质量的最终图像。
  • 最佳选择（Best-of-N’ Selection）：在高潜力路径中选择最佳的最终图像。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第8张



在PARM的基础上，作者进一步提出了PARM++，使模型能够在生成错误时进行自我修正。


具体来说，基于PARM选出的最终图片，作者首先使用PARM++ 评估生成图片是否符合文本描述。


若图片不符合要求，会要求RM提供详细的错误描述，并根据该描述，要求生成模型进行自我修正（Self-correction），即模型接收反馈，并参考错误信息重新生成结果。


结果表明，PARM++进一步将GenEval成绩提升了10%，生成结果在物体数量、颜色、空间关系等方面更加准确。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第9张


直接偏好优化对齐


作者进一步了引入DPO偏好对齐，即使用大规模排名数据训练模型，使其生成结果更符合人类偏好。


研究团队构建了288K条图文排名数据用于训练。


具体来说，训练过程是采用最大似然优化，调整模型输出，使其更偏向人类偏好。


同时，论文也进一步使用迭代DPO，在模型优化后重新生成新数据进行再次训练。


结果表明，初次DPO训练使模型在GenEval性能提升9%，而迭代DPO的提升比例可以达到12%，超越微调ORM。


测试时验证与DPO结合


在前述两种方法的基础上，作者探索了将测试时验证与DPO对齐相结合的策略，以实现端到端的优化。


在DPO训练的模型基础上，作者进一步应用测试时验证进行筛选，使生成图像质量更高，文本一致性更强。


实验结果表明，结合DPO和测试时验证后，模型在GenEval指标上的整体提升达27%，超越了单独使用DPO或测试时验证的方案。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第10张


整体上看，相比于现有的扩散模型和自回归模型，使用CoT推理有效提升了文本生成图像任务质量。


图像生成推理大模型，港中文北大等联手破解画质提升难题 第11张



论文地址：

https://arxiv.org/abs/2501.13926

项目地址：

https://github.com/ZiyuGuo99/Image-Generation-CoT



文章来自微信公众号 “ 量子位 ”，作者 Ziyu Guo


图像生成推理大模型，港中文北大等联手破解画质提升难题 第12张