10分钟攻克AI生图"油腻感"难题：腾讯混元SRPO技术登顶HuggingFace热榜
项目地址: https://ai.gitcode.com/tencent_hunyuan/SRPO 在AI文生图领域，如何突破真实感瓶颈一直是行业痛点。近期，腾讯混元团队联合香港中文大学（深圳）、清华大学推出的SRPO（语义相对偏好优化）技术引发开源社区轰动——该项目自9月10日发布以来，不仅迅速登上HuggingFace热度榜首位，量化版本下载量突破25K，GitCode仓库星标数更是飙升至700+。这项创新技术专门针对当前最流行的开源文生图模型Flux.dev.1，通过革命性的强化学习算法，将人物肖像的真实感提升3倍，彻底解决了困扰业界的皮肤质感"过油"问题。
从"蜡像脸"到"高清肤质"：技术突破带来的视觉革命
传统文生图模型生成的人像常出现皮肤过度光滑、细节丢失等"塑料感"问题，而SRPO技术通过精准控制生成过程中的语义偏好，实现了质的飞跃。
如上图所示，优化后的人像不仅毛孔纹理清晰可见，发丝根根分明，连皮肤微表情产生的细纹都得到精准还原。这一突破性进展标志着AI生图技术在真实感塑造上进入新阶段，为数字内容创作提供了更专业的视觉表达工具。
双重技术创新：解决文生图领域两大核心难题
语义相对偏好：让AI真正理解"真实感"的含义
传统强化学习方法（如ReFL、DRaFT）依赖预训练奖励模型，不仅数据标注成本高昂，还存在严重的泛化性问题。SRPO技术首创"语义动态调控"机制，通过向奖励模型注入"真实感"等控制提示词，实现优化目标的定向调节。更关键的是，团队创新性提出"正负语义对冲"策略——同时输入正向词（如"自然质感"）和负向词（如"塑料感"），利用负向梯度中和模型固有偏差，在保留语义差异的同时有效避免"奖励偏差"风险。实验数据显示，这种双向引导使奖励模型在真实度维度的优化精度提升40%。
Direct-Align策略：重塑图像生成的全轨迹优化
研究团队通过大量实验发现，现有方法仅优化生成轨迹后半段的做法，会导致奖励模型陷入"色彩偏见"陷阱：HPSv2倾向红色调、PickScore偏好紫色系、ImageReward则对过曝区域过度评分。为此，SRPO提出创新的Direct-Align策略，通过可控噪声注入和单步推理机制，将噪声作为"参考锚点"引导图像重建。这种全轨迹优化方法使高频信息传递误差降低62%，彻底解决了传统技术的过拟合问题。
效率与质量的完美平衡：10分钟实现SOTA级性能
在效率为王的AI时代，SRPO展现出惊人的训练效能——仅需10分钟即可完成模型优化，较当前主流方法DanceGRPO提速75倍。更值得关注的是，在人类评估实验中，该技术在"真实感"和"美学质量"两项核心指标上均实现3倍提升，且完全避免了偏色、过饱和等奖励偏差现象。定量测试显示，SRPO在HPSv2、PickScore等主流评价体系中均达到SOTA水平，其技术原理已通过论文《Directly Aligning the Full Diffusion Trajectory with Fine-Grained Human Preference》正式发表（arXiv:2509.06942）。
随着AIGC技术在影视制作、虚拟人、广告创意等领域的深入应用，真实感生成能力正成为产业升级的关键支点。腾讯混元SRPO技术通过将学术创新与产业需求深度耦合，不仅为开源社区提供了高效可用的技术方案，更树立了"小样本、高效率、高精度"的模型优化新范式。未来，随着该技术在多模态生成、跨领域迁移等方向的拓展，我们或将迎来AI内容创作的"超写实主义"新纪元。
（论文链接：https://arxiv.org/abs/2509.06942 项目主页：https://tencent.github.io/srpo-project-page/）
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
