腾讯混元团队发布SRPO技术：解决AI文生图皮肤过油问题，真实感提升3倍

近日，腾讯混元团队联合香港中文大学（深圳）及清华大学发布了一项突破性技术——语义相对偏好优化（SRPO），旨在解决开源文生图模型Flux生成人像时出现的皮肤质感“过油”问题。该技术通过创新算法显著提升了AI生成图像的真实感，相关成果已在Hugging Face趋势榜登顶，社区量化版本下载量突破25K，GitHub Star数超700。

SRPO的核心创新在于引入“语义相对偏好”机制，通过在线调整奖励模型的优化目标，结合正向（如“真实感”）与负向控制提示词，有效中和了传统语义引导可能导致的奖励偏差。实验数据显示，该方法使人像真实度与美学评分提升超3倍，同时训练效率较传统方法提升75倍，仅需10分钟即可超越现有DanceGRPO技术。

针对Flux模型在高频信息上的过拟合问题，研究团队提出Direct-Align策略，通过向输入图像注入可控噪声并重建中间状态，实现了对生成轨迹早期阶段的优化。这一技术将重建误差降低至传统方法的1/10，尤其在处理初始时间步骤时表现出更强的稳定性。

目前，SRPO的完整训练代码及技巧已通过GitHub和Hugging Face开源。该技术的推出正值腾讯混元图像模型2.1发布之际，后者支持原生2K生图并登顶Hugging Face热度榜第三。行业观察人士指出，SRPO可能重塑数字艺术创作范式，其解决“塑料感”痛点的能力，为AI生成内容在影视、游戏等领域的应用开辟了新路径。