本研究引入人类喜好数据集和偏好评分模型，以更准确评估文本到图像生成模型的质量。通过人类评分和分类器，提出了一种基于稳定扩散的方法，生成更符合人类审美的图像。同时，开发了ImageReward模型，成为文本到图像合成的有效评估标准。