Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B ialah model kompak Black Forest Labs untuk mencipta imej daripada penerangan teks dan menyunting imej dengan rujukan visual. Transformer rectified-flow berparameter empat bilionnya menyatukan penjanaan dan penyuntingan dalam satu seni bina. Edisi 4B yang dinamakan ini melalui penyulingan langkah, dan contoh rujukan pengeluar menggunakan empat langkah inferens.

Peranan model ialah menghasilkan draf atau pindaan visual interaktif: terokai adegan produk, ubah pakaian watak, gabungkan subjek dengan latar atau perhalus rupa ilustrasi. Mulakan dengan peristiwa atau komposisi penting, kemudian huraikan subjek, bahan, pencahayaan dan sudut pandangan. Arahan konkrit boleh meletakkan cawan seramik biru kusam di atas meja oak cerah, dengan pandangan dekat bercahaya sisi yang mengekalkan pemegang dan glasirnya kelihatan. Hasilnya ialah imej untuk diperiksa berdasarkan keputusan itu.

Menyunting dengan set rujukan kecil

Profil 4B yang didokumenkan menerima sehingga empat imej input. Tetapkan peranan jelas bagi setiap satu: rupa produk, watak, latar atau gaya. Jika satu gambar ialah adegan untuk disunting, kenal pastinya dan nyatakan perubahan serta butiran yang perlu kekal. Contohnya, kekalkan siluet dan permukaan cawan daripada imej pertama, gunakan bilik daripada imej kedua dan gantikan hanya alas meja. Urutan rujukan dan arahan perubahan yang tepat memberikan sasaran pindaan lebih jelas daripada meminta penambahbaikan umum.

Pengeluar membezakan bajet rujukan kompak ini daripada varian FLUX.2 yang lebih besar. Ia juga menyatakan bahawa [klein] tidak mempunyai pengembangan prompt. Berikan sendiri maklumat deskriptif penting, termasuk hubungan antara objek rujukan, tanpa bergantung pada pengembangan automatik label ringkas. Untuk satu siri, kekalkan rujukan subjek dan keperluan visual yang sama sambil mengubah satu keputusan adegan pada satu masa.

Tetapan output dan sempadan edisi

Profil 4B pengeluar yang tepat menyenaraikan output JPEG, PNG dan WebP, dengan JPEG sebagai lalai. Nilai lebar dan tinggi eksplisit didokumenkan dengan minimum 64 piksel setiap satu; contoh kad model rujukan menggunakan imej 1024×1024. Contoh itu ialah konfigurasi pensampelan, bukan pernyataan bahawa setiap tugas mesti berbentuk segi empat sama atau 1024 piksel merupakan maksimum model. Pilih pemotongan dan bentuk paparan yang dimaksudkan sebelum menyediakan arahan visual, kemudian bandingkan tulisan halus dan ciri kecil pada saiz itu.

Contoh empat langkah yang diterbitkan menggunakan guidance_scale 1.0. Bezakan edisi tersuling ini daripada FLUX.2 [klein] Base 4B, yang isyarat latihannya tanpa penyulingan ditujukan untuk penyesuaian, latihan LoRA dan penyelidikan. Base 4B serta model 9B merupakan pilihan berasingan dengan pertimbangan penyediaan dan pensampelan berbeza. Kawalan standard model kompak juga berbeza daripada langkah dan guidance boleh laras [flex]; [max] mempunyai keupayaan carian grounding tersendiri.

Butiran untuk disahkan dalam imej

Kad model tepat menyatakan bahawa model ini bukan sumber maklumat berfakta. Teks bertulis dalam imej boleh tidak tepat atau terherot, dan adegan yang dijana mungkin menyimpang daripada permintaan. Gaya prompt memberi kesan besar terhadap pematuhan. Semak ejaan, kuantiti, label, identiti subjek dan objek tertentu yang sepatutnya kekal; komposisi menarik tidak membuktikan bahawa ciri produk atau fakta yang diilustrasikan adalah betul. Pengeluar turut menyatakan bahawa output statistik boleh mencerminkan bias data latihan.

Untuk aset yang telah disemak, simpan rujukan sumber, perkataan akhir dan identiti model pilihan bersama imej. Dokumentasi keluaran membezakan tera air peringkat piksel dalam contoh kod rujukan daripada metadata asal usul C2PA yang digunakan dalam aliran output hos pengeluar. Mengekalkan maklumat asal usul yang dikembalikan membantu menjelaskan sumber aset; perkara itu berasingan daripada menyemak sama ada perubahan visual yang diminta berjaya.