YaART: Yet Another ART Rendering Technology

在生成模型快速发展的领域中，开发高效且高保真的文本到图像扩散系统代表了一个重要的前沿。本研究引入了YaART，一种新型的、面向人类偏好的、基于强化学习从人类反馈中学习的生产级文本到图像级联扩散模型。在开发YaART的过程中，我们特别关注了模型和训练数据集大小的选择，这些方面在以前的文本到图像级联扩散模型中没有得到系统地研究。特别地，我们全面分析了这些选择如何影响训练过程的效率和生成图像的质量，这在实践中非常重要。此外，我们证明了在更高质量的图像较小数据集上训练的模型可以成功地与在更大数据集上训练的模型竞争，建立了更高效的扩散模型训练场景。从质量的角度来看，YaART始终优于许多现有的最先进模型。

本文旨在开发一种高效、高保真度的文本到图像扩散系统，通过人类反馈的强化学习进行对齐。同时，研究者们特别关注模型和训练数据集大小对训练效率和生成图像质量的影响。

本文提出了一种新的文本到图像扩散模型YaART，并使用强化学习从人类反馈中对其进行了优化。同时，研究者们发现，使用高质量图像的较小数据集训练的模型可以与使用大型数据集训练的模型相媲美。

本文的亮点包括：1. 提出了一种新的文本到图像扩散模型YaART，并使用强化学习从人类反馈中对其进行了优化；2. 研究者们发现，使用高质量图像的较小数据集训练的模型可以与使用大型数据集训练的模型相媲美；3. YaART模型在质量方面优于许多现有的最先进模型。

相关研究包括：1. T. Xu等人的“Attngan: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks”；2. S. Reed等人的“Generative Adversarial Text-to-Image Synthesis”；3. H. Zhang等人的“Stackgan: Text to photo-realistic image synthesis with stacked generative adversarial networks”。