EAGLE-GRPO: Apprendimento di Gruppo Consapevole degli Elementi per la Generazione di Immagini E-Commerce

È stato introdotto un nuovo approccio noto come EAGLE-GRPO (Apprendimento di Gruppo Consapevole degli Elementi per la Generazione di Immagini E-Commerce) per migliorare la qualità dei prompt utilizzati nella generazione di immagini per l'e-commerce. Questa tecnica affronta i limiti della qualità dei prompt nei sistemi contemporanei di generazione e editing di immagini. Sebbene i modelli visione-linguaggio (VLM) possano creare prompt di editing delle immagini basati su immagini di prodotto e relativi metadati, migliorare la loro generazione di prompt richiede un post-addestramento che incorpori il feedback dalle immagini risultanti. L'ottimizzazione della politica relativa di gruppo (GRPO) funge da framework adatto per ottimizzare i reward a livello di risultato, ma attribuisce il credito solo a livello di prompt completo, nonostante la qualità dell'immagine sia spesso influenzata da aspetti di design specifici come composizione e sfondo. I metodi esistenti per l'assegnazione del credito a grana fine tipicamente richiedono supervisione a livello di passaggio o critici appresi. Per superare questo problema, EAGLE-GRPO scompone il reward centrato sul gruppo attraverso elementi predefiniti, inquadrando l'assegnazione del credito a livello di elemento come una sfida di apprendimento multi-task. Questa metodologia è dettagliata in un articolo disponibile su arXiv (arXiv:2608.00584), annunciato come una sottomissione di tipo incrociato. L'obiettivo è migliorare le prestazioni dei VLM nella produzione di immagini e-commerce di alta qualità offrendo un feedback più dettagliato durante il processo di addestramento.