跳到正文
Latent Space· swyx .ai·· 1 小时前AI 评分62

Black Forest Labs 谈构建视觉智能以及在图像、视频和音频上训练 FLUX 3

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

AI 导读

在 Latent Space 的一次采访中,Black Forest Labs 的 Andreas Blattmann 和 Dustin Podell 描述了在静态图像、视频和音频上联合训练 FLUX 3 的做法,他们认为静态图像展示物体在哪里,而视频展示它是如何到达那里的。潜扩散的共同发明人 Andreas 表示,普通的 2D 视频携带了关于物体从其他角度看是什么样子的证据,而 BFL 从同一个 FLUX 3 主干网络派生出其视频超分模型,因此细节在时间上保持一致。Dustin 回顾了早期 Kontext 的一个实验:在一个小型带标注照片集上训练几个小时,模型就能把 logo 放到衬衫上;他还指出,用户用 FLUX 修复退化的家庭照片是一个未曾预料到的用途。

来源:Latent Space · latent.space