Flow-Factory

让流匹配模型轻松学会强化学习，生成更符合目标的结果

Flow-Factory 是一个面向 Flow-Matching 模型的统一强化学习框架，旨在简化基于流匹配的生成模型（如扩散模型）中的强化学习训练流程。它解决了在图像和视频生成任务中，如何通过强化学习直接优化下游目标（如美学评分、用户偏好）而非仅依赖最大似然估计的问题。核心能力包括：提供统一的 API 封装多种流匹配模型，支持灵活的奖励函数定义，集成常用的 RL 算法（如 PPO），并针对流匹配的采样过程进行优化。该框架降低了在生成模型中应用 RL 的技术门槛，使研究者能快速实验，也便于在图像生成、视频生成等场景中实现更符合人类偏好的生成效果。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 707

维护状态活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队X-GenGroup

所属国家

官网地址

GitHubhttps://github.com/X-GenGroup/Flow-Factory

定价模式free

价格说明开源框架，Apache-2.0 许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusers,diffusion,diffusion-model,diffusion-models,fine-tuning,finetuning,flow-matching,flow-matching-models,image-generation,reinforcement-learning,video-generation

GitHub 星标★ 707

30天Star增速

HF 下载量

上线时间2025-12-18 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

统一框架，简化了流匹配模型上 RL 的训练流程，上手快
支持图像和视频生成，覆盖场景广
与主流 RL 算法（如 PPO）集成，便于直接优化自定义奖励

不足之处

项目早期，文档和社区支持尚待完善
依赖特定模型结构，迁移到其他流匹配实现可能需要适配

适用场景

图像生成中根据美学评分优化生成质量
视频生成中根据用户偏好调整动态内容
研究流匹配模型的 RL 对齐方法

替代项目

Diffusion-RL、DDPO、DPOK

项目介绍

Flow-Factory 是模型训练领域的开源项目，由 X-GenGroup 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 707。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，完全免费，无付费版本。

它主要面向的使用场景是：图像生成中根据美学评分优化生成质量。同类可对比的替代方案包括 Diffusion-RL、DDPO、DPOK。

上一篇：LeapAlign_Code

下一篇：WaDi