图像生成迎来CoT时刻！港中文首次提出文生图的o1推理和inference scaling新范式

文章预览

随着 OpenAI o1 向社区展示了思维链 Chain-of-Thought（CoT）对于大模型推理能力的强大提升，各种基于强化学习 RL 和提升 test-time 推理成本的方案 已经在大模型理解领域取得了很大的进展。 然而，在图像生成（Image Generation）领域，例如文生图（Text-to-Image）与文生视频（Text-to-Video），我们是否也可以借鉴 CoT 相关的策略，来提升图片或视频的质量和文本一致性呢？  来自香港中文大学、北京大学、和上海 AI Lab 的研究者们通过 Verify 和 Reinforce 的方案，系统地探索了 “CoT 推理+文生图” 的结合与潜力。研究结果表明，这些方法能够有效提升自回归（Autoregressive）图像生成的质量。 作者也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++ ，后者引入了反思机制（Reflection Mechanism），进 ………………………………