UniFL ist ein Projekt, das darauf abzielt, die Qualität generativer Modelle zu verbessern und die Inferenzgeschwindigkeit zu beschleunigen. Durch drei zentrale Komponenten – wahrnehmungsbasiertes Feedbacklernen, entkoppeltes Feedbacklernen und adversäres Feedbacklernen – werden die aktuellen Probleme von Diffusionsmodellen hinsichtlich Bildqualität, ästhetischer Attraktivität und Inferenzgeschwindigkeit effektiv gelöst. Experimentelle Validierungen und Nutzerstudien zeigen eine signifikante Leistungssteigerung und starke Generalisierungsfähigkeit von UniFL auf verschiedenen Diffusionsmodellen.