DyRef

DyRef 是一个面向多参考图像生成（MRIG）任务的动态奖励优化框架，旨在提升模型在融合多个参考图像（如风格图、结构图、语义图等）时的生成质量与一致性。其核心通过可学习的动态奖励机制调节不同参考信号的贡献权重，并支持主流多模态基础模型（如Qwen-Image-Edit、Flux2）的微调与推理。项目配套发布专用评测基准OmniRef-Bench、训练数据集及预训练权重，强调对复杂参考组合（跨类型、多数量）的泛化能力。适用于图像编辑、可控图像生成、跨模态内容合成等需精细参考引导的视觉生成场景。