Latent Space· swyx .ai·· 1 小時前AI 評分62
Black Forest Labs 談打造視覺智慧,以及在圖像、影片與音訊上訓練 FLUX 3
Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs
AI 導讀
在 Latent Space 的訪談中,Black Forest Labs 的 Andreas Blattmann 與 Dustin Podell 說明如何把靜態圖像、影片與音訊放在一起訓練 FLUX 3,並主張靜態圖像顯示物體在哪裡,影片則顯示它如何到達那裡。潛在擴散的共同發明人 Andreas 表示,普通的 2D 影片帶有物體從其他角度看起來如何的證據,而 BFL 的影片升頻器出自同一個 FLUX 3 主幹,因此細節在時間上保持一致。Dustin 回顧早期 Kontext 的一項實驗:在一小批有標註的照片集上訓練幾小時,就讓模型能把標誌放到襯衫上;他也提到使用者用 FLUX 修復劣化的家庭照片,是原先沒預料到的用途。
來源:Latent Space · latent.space