Black Forest Labs กล่าวว่ากำลังฝึก FLUX 3 ด้วยภาพ วิดีโอ และเสียงร่วมกัน
เริ่มตรงนี้
นักวิจัยของ Black Forest Labs อย่าง Andreas Blattmann และ Dustin Podell กล่าวว่าบริษัทกำลังฝึก FLUX 3 ร่วมกันบนภาพนิ่ง วิดีโอ และเสียง โดยให้เหตุผลว่าภาพนิ่งแสดงให้เห็นว่าวัตถุอยู่ที่ใด ขณะที่วิดีโอแสดงให้เห็นว่ามันไปถึงที่นั่นได้อย่างไร Blattmann ผู้ร่วมคิดค้น latent diffusion กล่าวว่าวิดีโอ 2D ทั่วไปมีหลักฐานเกี่ยวกับรูปลักษณ์ของวัตถุจากมุมอื่น และ BFL พัฒนาตัวอัปสเกลวิดีโอจากแบ็กโบน FLUX 3 เดียวกันเพื่อให้รายละเอียดคงความสอดคล้องเชิงเวลา Podell อธิบายการทดลอง Kontext ในช่วงแรก ซึ่งการฝึกเพียงไม่กี่ชั่วโมงบนชุดภาพถ่ายที่มีป้ายกำกับขนาดเล็กทำให้โมเดลสามารถวางโลโก้บนเสื้อได้ และตั้งข้อสังเกตว่าผู้ใช้ที่กู้คืนภาพถ่ายครอบครัวที่เสื่อมสภาพด้วย FLUX เป็นการใช้งานที่ไม่ได้คาดคิด ข้อกล่าวอ้างเหล่านี้มาจากคำบอกเล่าของนักวิจัยเองในบทสัมภาษณ์กับ Latent Space ไม่มีการรายงานผลการทดสอบมาตรฐานหรือการประเมินโดยอิสระ
สร้างจากรายงาน · อัปเดต 23 นาทีที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Latent SpaceBlack Forest Labs กับการสร้างระบบปัญญาทางภาพและการฝึก FLUX 3 บนภาพ วิดีโอ และเสียง
ในการสัมภาษณ์กับ Latent Space Andreas Blattmann และ Dustin Podell จาก Black Forest Labs อธิบายถึงการฝึก FLUX 3 บนภาพนิ่ง วิดีโอ และเสียงไปพร้อมกัน โดยให้เหตุผลว่าภาพนิ่งแสดงให้เห็นว่าวัตถุอยู่ที่ใด ขณะที่วิดีโอแสดงให้เห็นว่ามันไปถึงตรงนั้นได้อย่างไร Andreas ผู้ร่วมคิดค้น latent diffusion กล่าวว่าวิดีโอ 2D ทั่วไปมีหลักฐานเกี่ยวกับรูปลักษณ์ของวัตถุจากมุมอื่น และ BFL พัฒนาตัวอัปสเกลวิดีโอจากแบ็กโบน FLUX 3 เดียวกันเพื่อให้รายละเอียดคงความสม่ำเสมอเชิงเวลา Dustin เล่าถึงการทดลอง Kontext ในช่วงแรกที่การฝึกเพียงไม่กี่ชั่วโมงบนชุดภาพถ่ายที่มีป้ายกำกับขนาดเล็กทำให้โมเดลวางโลโก้บนเสื้อได้ และสังเกตว่าผู้ใช้ที่กู้คืนภาพถ่ายครอบครัวที่เสื่อมสภาพด้วย FLUX เป็นการใช้งานที่ไม่ได้คาดคิดไว้
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม