生成影片要呈現特定情緒，不能只靠一個固定分數判斷做得好不好。EmoReward 是一套用於情緒影片生成強化學習的獎勵校準機制，會按影片中的情緒階段、面部表情、訊號衝突與細微線索，決定不同評分來源各自應佔多大比重，處理情緒主觀而且隨時間變化的問題。
透過 Reflective Reward Gating，在每段影片中調整面部動作、語意等不同獎勵訊號的可信度。完成一輪訓練後，RewardMemory 會整理哪些情境下的線索較可靠，轉成有上限的融合權重倍率，供下一輪訓練使用；記憶表在該輪訓練期間保持凍結，避免權重持續變動。
這種跨輪次校準適合研究情緒影片生成、強化學習後訓練，或需要整合多種評分模型的團隊。項目以 HunyuanVideo-1.5 為基礎模型，並採用 SAGE-GRPO 作為強化學習骨幹；實驗涵蓋三種影片強化學習算法及兩個影像骨幹，亦包括消融實驗與人類評估。
- 按影片情境調整不同情緒評分訊號的權重。
- 不改動獎勵模型參數，降低校準對模型本身的干預。
- 把一輪訓練所得的線索可靠度帶到下一輪，訓練期間凍結記憶表。
- 評估涵蓋三種影片強化學習算法、兩個影像骨幹及人類評估。
項目文件列出 PyTorch 2.6+、Transformers 4.57.1 與 Diffusers 0.35.0 等依賴。
