最近、テンセントの混元基礎モデルチームは、画質生成のための画期的な新しいフレームワーク「MixGRPO」を発表しました。この方法はトレーニング時間を約50%短縮し、性能も優れており、さらにトレーニング時間を71%まで短縮した「MixGRPO-Flash」というバージョンも登場しています。これは、ランダム微分方程式（SDE）と常微分方程式（ODE）を組み合わせた革新的なサンプリング戦略により実現されました。

現在の画像生成技術では、効率性と品質がしばしば対立する要素となっています。MixGRPOは、混合サンプリングの方法を取り入れることで、マルコフ決定プロセス（MDP）を最適化し、トレーニング効率を大幅に向上させました。具体的には、エージェントのランダムな探索範囲を制限することで、最適化プロセスにおける計算コストを削減し、モデルのトレーニングプロセスを簡略化しています。

QQ20250804-104805.jpg

以前のDanceGRPOモデルと比較して、MixGRPOはさまざまな観点で顕著な改善を遂げています。研究チームは実験によって、特定のノイズ除去ステップのみを最適化すれば、性能を維持または向上させることができる事を証明しました。また、研究ではMixGRPOがトレーニング時間と計算コストを削減しながらも、古い戦略モデルのサンプリングを加速するために高次のソルバーの導入が必要であることを指摘しています。

また、MixGRPOはスライディングウィンドウの戦略を採用しており、ノイズ除去の過程で徐々に重要なタイムステップに焦点を当てることで、より効率的な最適化を実現しています。この革新により、画像生成の多様性と品質において大きな進歩を遂げました。

MixGRPOは画像生成技術の未来に新たな方向を開拓し、その後の研究にとって貴重な経験と参考になります。オープンソースコードは記事の末尾に掲載されており、より多くの開発者にこの興味深い技術探求に参加してもらうことを期待しています。

プロジェクトアドレス:https://tulvgengenr.github.io/MixGRPO-Project-Page/