UniFL est un projet visant à améliorer la qualité des modèles génératifs et à accélérer la vitesse d'inférence. Grâce à trois composants clés : l'apprentissage par rétroaction perceptive, l'apprentissage par rétroaction découplée et l'apprentissage par rétroaction antagoniste, il résout efficacement les problèmes actuels des modèles de diffusion concernant la qualité de l'image, l'attrait esthétique et la vitesse d'inférence. Des tests et des études utilisateurs ont démontré que UniFL affiche une amélioration significative des performances et une forte capacité de généralisation sur plusieurs modèles de diffusion.