Latent Space· swyx .ai·· 3 天前AI 评分55
Black Forest Labs 谈 FLUX 3:视觉智能为何需要视频与音频信号
Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs
AI 导读
Black Forest Labs 联合创始人 Andreas Blattmann 与 Dustin Podell 解释 FLUX 3 同时使用图像、视频和声音信号训练的原因。视频展示物体移动轨迹,声音补充接触等物理反馈;独立处理视频帧会导致放大画面闪烁,因此视频放大需保证时序一致性。团队还分享 FLUX Kontext 如何用少量数据实现局部编辑,以及用户利用模型修复旧家庭照片的使用案例。
来源:Latent Space · latent.space