跳到正文
热点事件持续更新

Black Forest Labs 表示正在将图像、视频和音频联合用于训练 FLUX 3

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Black Forest Labs 的研究人员 Andreas Blattmann 和 Dustin Podell 表示,公司正在将静态图像、视频和音频联合用于训练 FLUX 3,并认为静态图像展示物体所在的位置,而视频展示它是如何到达那里的。潜在扩散的共同发明人 Blattmann 表示,普通 2D 视频携带了物体从其他角度看起来如何的证据,并且 BFL 从同一个 FLUX 3 主干网络派生其视频放大器,以便细节在时间上保持一致。 Podell 描述了一个早期的 Kontext 实验:在一个小型带标签照片集上训练几个小时后,模型就能把标志放到衬衫上;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。这些说法来自研究人员本人在 Latent Space 采访中的叙述;没有报告基准测试结果或独立评估。

AI 根据报道生成 · 24 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. Latent Space
    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

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。