Tới nội dung
Latent Space· swyx .ai·· 1 giờ trướcĐiểm AI62

Black Forest Labs về việc xây dựng trí tuệ thị giác và huấn luyện FLUX 3 trên hình ảnh, video và âm thanh

Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs

Tóm tắt bằng AI

Trong một cuộc phỏng vấn với Latent Space, Andreas Blattmann và Dustin Podell của Black Forest Labs mô tả việc huấn luyện FLUX 3 trên ảnh tĩnh, video và âm thanh cùng lúc, lập luận rằng ảnh tĩnh cho thấy một vật thể ở đâu còn video cho thấy nó đã đến đó như thế nào. Andreas, đồng phát minh của latent diffusion, nói rằng video 2D thông thường mang bằng chứng về việc các vật thể trông như thế nào từ các góc khác, và BFL lấy công cụ nâng cấp video của mình từ cùng bộ khung FLUX 3 để chi tiết vẫn nhất quán theo thời gian. Dustin kể lại một thí nghiệm Kontext ban đầu, trong đó vài giờ huấn luyện trên một bộ ảnh nhỏ có nhãn cho phép mô hình đặt logo lên áo, và ghi nhận rằng người dùng khôi phục ảnh gia đình bị xuống cấp bằng FLUX là một cách dùng không lường trước.

Nguồn:Latent Space · latent.space