視覺人工智慧指南

通量影像模型

FLUX 是 Black Forest Labs 的影像生成模型系列。

聆聽此指南AI 語音敘述 · ~2 min

本頁閱讀時間約2分鐘
  1. 概述
  2. 深入探討
  3. 現實世界的實施
  4. FLUX 影像模型的未來
  5. 付諸實踐
  6. 不斷探索
  7. 常見問題

概述

FLUX.1 變體使用整流流變壓器方法並具有獨特的許可證和功能;後來的 Kontext 工作解決了上下文圖像編輯問題。

深入探討

Black Forest Labs 於 2024 年推出了 FLUX.1 系列。官方儲存庫列出了具有不同存取權限和授權條款的 [pro]、[dev] 和 [schnell] 變體。 [schnell] 模型卡描述了一個 120 億參數的整流流變壓器和一個 Apache 2.0 授權; [dev] 卡片列出了非商業術語。整流流變壓器論文描述了具有雙向資訊交換的單獨文字和圖像路徑,但它並未完整揭露每個 FLUX.1 訓練細節。後來的 FLUX.1 Kontext 論文研究了上下文中的圖像生成和編輯。品質和文字渲染聲明應根據變體和任務進行評估,而不是在所有影像上進行概括。 FLUX.1 [dev] 模型卡將該檢查點標識為 12B 整流流變壓器,並列出了非商業術語,在適用的情況下需要單獨的商業許可。 FLUX.1 [schnell] 模型卡可識別潛在的對抗擴散蒸餾並報告該變體的 1-4 個推理步驟。 BFL 於 2024 年 8 月發布的基準測試報告了 FLUX.1 [pro] 和 [dev] 的排版結果,範圍僅限於該公司評估。官方儲存庫參考程式碼載入T5 v1.1 XXL和CLIP ViT-L/14;不要將這些實作細節推廣到後來的 FLUX 變體。 FLUX.1 Kontext 論文研究了上下文圖像生成和編輯,並報告與它評估的模型相比,在多個編輯輪次中改進了物件和角色的保存;這是一個評估結果,而不是普遍的身份保證。

現實世界的實施

使用記錄的 FLUX.1 變體產生提示條件影像。

比較同一提示集上的文字呈現和提示遵守。

在商業或託管使用之前查看確切的檢查點許可證。

僅在檢查支援的變體和工作流程後才使用 Kontext 模型進行影像編輯。

FLUX 影像模型的未來

Black Forest Labs繼續發布模型變體和編輯工具。驗證目前卡片和許可證的確切檢查點,並評估預期工作流程的提示保真度、文字渲染和編輯一致性。

付諸實踐

為什麼這很重要

  • 速度與規模. 視覺人工智慧可以大規模自動化檢查、檢測和標記任務。
  • 配裝選擇. 創意團隊可以透過更少的手動修改來更快地建立概念原型。
  • 團隊與工作流程. 操作可以使用以前難以處理的影像和視訊訊號。

留意

  • 如果出處不明,肖像權和同意可能會成為法律風險。
  • 模型表現可能因光照、人口統計和環境的不同而有所不同。
  • 除非監控置信閾值,否則誤報可能會被忽略。

後續步驟

  1. 定義精確度、召回率和錯誤成本的接受標準。
  2. 使用符合實際生產條件的數據進行測試。
  3. 為低置信度或高影響力的預測添加人工審核。
  4. 追蹤模型漂移並在相機或資料集變更後重新驗證。

不斷探索

免費電子報

獲取每日 AI 簡報

每個工作日上午提供三則經過驗證的 AI 新聞,以淺顯易懂的英文撰寫。永久免費,無廣告。

每個工作日一封電子郵件。一鍵取消訂閱。我們絕不出售或分享您的地址。

測試一下自己

Take the FLUX Image Models quiz

每個答案皆有即時回饋,通過課程後可獲得具備可驗證 ID 的可分享證書。

開始測驗

支持免費的 AI 教育。AI Understanding 是一個 501(c)(3) 非營利組織——絕無廣告,絕無付費牆。 捐款

常見問題

什麼是 FLUX 影像模型?

FLUX 是 Black Forest Labs 的影像生成模型系列。 FLUX.1 變體使用整流流變壓器方法,並具有獨特的許可證和功能;後來的 Kontext 工作解決了上下文圖像編輯問題。

哪家公司創建了 FLUX 影像模型?

FLUX 由 Black Forest Labs 創建,這是一家由 Stable Diffusion 前核心開發人員創立的新創公司。

哪個 FLUX 變體是快速的 Apache-2.0 許可的精煉版本?

FLUX.1 [schnell](“schnell”在德語中的意思是“快速”)是為提高速度而構建的經過 Apache-2.0 許可的精煉版本。

FLUX.1 [dev] 模型卡辨識哪一種生成架構?

官方 FLUX.1 [dev] 卡將此檢查點識別為 12B 整流流變壓器。架構和取樣行為應限制在特定變體範圍內;該聲明不保證每個 FLUX 模型的取樣步驟更少。

Black Forest Labs 在 2024 年 8 月的 FLUX.1 發布基準測試中報告了哪些排版結果?

BFL 2024 年 8 月的公司基準報告稱,FLUX.1 [pro] 和 [dev] 在排版方面超越了指定的比較器。這是公司報告的範圍內的結果,而不是跨變體或提示的普遍保證。

FLUX.1 Kontext 論文報告迭代編輯的一致性目標是什麼?

Kontext 論文報告稱,與其評估的編輯模型相比,多輪中的物件和字元保留得到了改善。這是報告的比較,不能保證每個主題或編輯。