Black Forest Labs: FLUX.3 Image

Το FLUX 3 Image είναι το μοντέλο δημιουργίας και επεξεργασίας εικόνων της Black Forest Labs με ρητό έλεγχο σύνθεσης. Μια περιγραφή κειμένου μπορεί να δημιουργήσει νέα σκηνή· οι παρεχόμενες εικόνες μπορούν να καθορίζουν θέμα, σκηνή προς αναθεώρηση ή αρκετά στοιχεία προς συνδυασμό. Τα πλαίσια οριοθέτησης επιτρέπουν στην περιγραφή να ορίζει πού ανήκει κάθε στοιχείο και ποια μέρη υπάρχουσας εικόνας πρέπει να αλλάξουν. Το αποτέλεσμα είναι εικόνα, με τη ζητούμενη σκηνή, το κείμενο και τη διάταξη προς έλεγχο.

Δημιουργήστε σκηνή ή δώστε οδηγία επεξεργασίας

Για νέα εικόνα, περιγράψτε το θέμα, τη δράση ή στάση, το περιβάλλον, το φως και το κάδρο. Βάλτε την ακριβή διατύπωση μέσα στην εικόνα σε εισαγωγικά και δηλώστε πού εμφανίζεται. Μια πρωτότυπη περιγραφή προϊόντος θα μπορούσε να δείχνει κόκκινη κούπα κάμπινγκ σε ανοιχτόχρωμη πέτρινη επιφάνεια, με μεγάλο τίτλο από πάνω και απαλό πρωινό φως που αναδεικνύει το χερούλι. Ορίστε τη σχέση τίτλου, προϊόντος και φόντου, αντί να δίνετε άσχετες λέξεις ύφους.

Για επεξεργασία, προσδιορίστε το συγκεκριμένο αντικείμενο και την αλλαγή: αλλάξτε χρώμα στην κούπα, αντικαταστήστε ετικέτα, μετακινήστε φιγούρα ή αλλάξτε ύφος στη σκηνή. Μία επεξεργασία δεν απαιτεί χειροκίνητα σχεδιασμένο πλαίσιο. Η τεκμηριωμένη ροή επεκτείνει την οδηγία πριν τη δημιουργία και μπορεί να εντοπίσει το ονομασμένο στοιχείο και να προσθέσει αυτόματα πλαίσιο. Η επιστρεφόμενη εμπλουτισμένη προτροπή καταγράφει αυτή την ερμηνεία, χρήσιμη όταν μια οδηγία επιλέγει λάθος αντικείμενο ή εισάγει ανεπιθύμητη λεπτομέρεια.

Συνδυάστε και προετοιμάστε εικόνες αναφοράς

Το συγκεκριμένο προφίλ παραγωγού δέχεται από μία έως δέκα αναφορές, παρεχόμενες ως URL εικόνων ή κωδικοποιημένα δεδομένα εικόνας. Καθεμία πρέπει να είναι τουλάχιστον 256×256 pixel και όχι μεγαλύτερη από 16 megapixel. Ονομάστε μια αναφορά βάσει θέσης ή ορατού περιεχομένου και εξηγήστε τον ρόλο της: το πρόσωπο από Image 1, το σακάκι από Image 2 και το δωμάτιο από Image 3. Μια εικόνα αναφοράς είναι πηγή οπτικών πληροφοριών, όχι οδηγία αντιγραφής κάθε άσχετης λεπτομέρειας που περιέχει.

Η ρύθμιση αναλογίας διαστάσεων έχει προεπιλογή auto. Στην προδιαγραφή αιτήματος, μια αναλογία που ζητείται στην προτροπή έχει προτεραιότητα· διαφορετικά η πρώτη αναφορά καθορίζει το κάδρο, με τετράγωνη έξοδο ως εναλλακτική όταν ούτε αναφορά ούτε ζητούμενο σχήμα το ορίζουν. Για σύνθεση, τοποθετήστε πρώτη την αναφορά της επιθυμητής σκηνής ή επιλέξτε ρητά την αναλογία. Κρατήστε τις αρχικές εικόνες και τη σειρά τους μαζί με το αποτέλεσμα, ώστε μεταγενέστερη αναθεώρηση να χρησιμοποιεί την ίδια οπτική αφετηρία.

Τοποθετήστε στοιχεία με πλαίσια οριοθέτησης

Μια προτροπή διάταξης συνδυάζει λεζάντα με πίνακα JSON από γραμμές στοιχείων. Η λεζάντα ονομάζει ένα στοιχείο μέσω δείκτη όπως <cup_1>· η γραμμή περιέχει id, bbox και desc. Οι συντεταγμένες είναι ακέραιοι από 0 έως 1000 στη σειρά [top, left, bottom, right], με αφετηρία την επάνω αριστερή γωνία. Για παράδειγμα, το [0, 0, 500, 500] περιγράφει το επάνω αριστερό τέταρτο ανεξάρτητα από τις διαστάσεις pixel της εικόνας. Χρησιμοποιήστε την αναλογία για την οποία σχεδιάστηκε η διάταξη, επειδή αυτό το πλέγμα συντεταγμένων τεντώνεται μαζί με το κάδρο.

Μια γραμμή επεξεργασίας χρησιμοποιεί αντίθετα from, src_bbox και tgt_bbox μαζί με το αναγνωριστικό και την περιγραφή. Το ref_image_0 σημαίνει την πρώτη παρεχόμενη εικόνα. Ίδια πλαίσια πηγής και στόχου σταθεροποιούν ένα στοιχείο· διαφορετικά πλαίσια το μετακινούν ή αλλάζουν το μέγεθός του. Νέα γραμμή χωρίς πηγή παράγει την περιγραφή της στη θέση στόχου, επιτρέποντας προσθήκες, αντικαταστάσεις ή αλλαγές χρώματος. Γραμμή πηγής χωρίς στόχο αφαιρεί το στοιχείο. Δηλώστε προσθήκες και αφαιρέσεις τόσο στη γραπτή οδηγία όσο και στις γραμμές και διατηρήστε γραμμές σταθεροποίησης για λεπτομέρειες που πρέπει να μείνουν στη θέση τους.

Δώστε στα γράμματα δικό τους πλαίσιο και παραθέστε την ακριβή διατύπωσή τους στο desc. Τα πλαίσια καθοδηγούν θέση και κλίμακα· δεν είναι μάσκες αποκοπής, οπότε ένα στοιχείο μπορεί να εκτείνεται πέρα από το ορθογώνιο. Ο κατασκευαστής αναφέρει ότι νέα αντικείμενα σε πλαίσια περίπου 40×25 pixel συχνά δεν εμφανίζονταν στα παραδείγματά του. Αφήστε αρκετό ορατό χώρο και εξετάστε τα επεξεργασμένα όρια. Τα pixel εκτός στόχου συνήθως παραμένουν σταθερά, αλλά σκιές, αντανακλάσεις και κοντινός φωτισμός μπορεί και πάλι να αλλάξουν.

Τεκμηρίωση, κατηγορίες εξόδου και χρήσιμα αρχεία

Το τεκμηριωμένο προφίλ ενεργοποιεί από προεπιλογή την τεκμηρίωση, επιτρέποντας σε αναζήτηση ιστού και εικόνων να ενημερώνει τη δημιουργία. Μπορεί να απενεργοποιηθεί για περιγραφή που πρέπει να χρησιμοποιεί μόνο το παρεχόμενο κείμενο και τις αναφορές της. Για θέμα πραγματικού κόσμου, προσδιορίστε καθαρά την τοποθεσία, το γεγονός ή το αντικείμενο και κρατήστε το πραγματολογικό περιεχόμενο χωριστό από την καλλιτεχνική απόδοση. Εικόνες που ενημερώνονται από αναζήτηση εξακολουθούν να χρειάζονται σύγκριση με έγκυρο υλικό όταν απαιτείται ακρίβεια σε μια ετικέτα, ένα αντικείμενο ή ένα απεικονιζόμενο γεγονός.

Οι πέντε κατηγορίες ανάλυσης είναι 768sq, 1k, 1.5k, 2k και 4k, με προεπιλογή 1k. Αντιπροσωπεύουν βαθμίδες ίσου εμβαδού pixel, επομένως το ακριβές πλάτος και ύψος εξαρτώνται από την επιλεγμένη αναλογία. Δεκαπέντε σταθερές αναλογίες εκτείνονται από 21:9, μέσω τετράγωνων και κάθετων μορφών, έως 9:21. Το προφίλ αυτού του μοντέλου ελέγχει το μέγεθος μέσω αναλογίας και ανάλυσης· δεν εκθέτει τα πεδία seed, width ή height των προφίλ αιτήματος FLUX.2. Ο τεκμηριωμένος επιλογέας έκδοσης ονομάζει επί του παρόντος μια μεταβαλλόμενη έκδοση, αντί να καθορίζει χρονολογημένη αντιστοίχιση βαρών προμηθευτή.

Η ροή παραγωγού επιστρέφει εικόνα μετά από ασύγχρονη επεξεργασία, μαζί με την εμπλουτισμένη προτροπή. Ο υπογεγραμμένος σύνδεσμος λήψης εικόνας ισχύει για μία ώρα. Διατηρήστε την πραγματική εικόνα, την τελική προτροπή και τις αναφορές αντί να βασίζεστε σε προσωρινό σύνδεσμο. Για ελεγμένο οπτικό αρχείο, συγκρίνετε το ζητούμενο κείμενο, την τοποθέτηση αντικειμένων, την ταυτότητα αναφορών και την αλλαγμένη περιοχή στο προβλεπόμενο μέγεθος προβολής. Μια ολοκληρωμένη δημιουργία είναι η αφετηρία για τον έλεγχο αυτών των οπτικών απαιτήσεων.