Black Forest Labs: FLUX.3 Image

FLUX 3 Image ialah model penjanaan dan penyuntingan imej Black Forest Labs dengan kawalan komposisi eksplisit. Penerangan teks boleh mencipta adegan baharu; imej yang diberikan boleh menetapkan subjek, adegan untuk dipinda atau beberapa unsur untuk digabungkan. Kotak pembatas membolehkan arahan menentukan kedudukan setiap unsur dan bahagian imej sedia ada yang perlu berubah. Hasilnya ialah imej dengan adegan, teks dan susun atur yang diminta untuk diperiksa.

Cipta adegan atau berikan arahan suntingan

Untuk imej baharu, huraikan subjek, tindakan atau pose, latar, cahaya dan pembingkaian. Apit perkataan tepat dalam imej dengan tanda petikan dan nyatakan tempatnya. Contoh arahan produk asli boleh menunjukkan cawan perkhemahan merah di atas permukaan batu pucat, dengan tajuk besar di atasnya serta cahaya pagi lembut yang menyerlahkan pemegang. Tentukan hubungan antara tajuk, produk dan latar belakang tanpa memberikan perkataan gaya yang tidak berkaitan.

Untuk penyuntingan, kenal pasti objek tertentu dan perubahan: warnakan semula cawan, gantikan label, alihkan figura atau ubah gaya adegan. Satu suntingan tidak memerlukan kotak yang dilukis secara manual. Aliran yang didokumenkan mengembangkan arahan sebelum penjanaan dan boleh mencari unsur bernama serta menambah kotak secara automatik. Prompt dikembangkan yang dikembalikan merekodkan tafsiran itu, yang berguna apabila arahan memilih objek salah atau memperkenalkan butiran tidak dikehendaki.

Gabungkan dan sediakan imej rujukan

Profil tepat pengeluar menerima satu hingga sepuluh rujukan, diberikan sebagai URL imej atau data imej berkod. Setiap satu mestilah sekurang-kurangnya 256×256 piksel dan tidak melebihi 16 megapiksel. Namakan rujukan mengikut kedudukan atau kandungan yang kelihatan, kemudian jelaskan peranannya: orang daripada Imej 1, jaket daripada Imej 2 dan bilik daripada Imej 3. Rujukan imej ialah sumber maklumat visual, bukannya arahan menyalin semua butiran tidak berkaitan yang terkandung di dalamnya.

Tetapan nisbah bidang secara lalai ialah auto. Dalam spesifikasi permintaan, nisbah yang diminta dalam prompt diberi keutamaan; jika tiada, rujukan pertama menentukan pembingkaian, dengan output segi empat sama sebagai pilihan sandaran apabila tiada rujukan atau bentuk diminta yang menetapkannya. Untuk gabungan, letakkan rujukan adegan yang dimaksudkan dahulu atau pilih nisbah secara eksplisit. Simpan imej sumber dan urutannya bersama hasil supaya pindaan kemudian menggunakan titik permulaan visual yang sama.

Letakkan unsur dengan kotak pembatas

Prompt susun atur menggabungkan kapsyen dengan tatasusunan JSON bagi baris unsur. Kapsyen menamakan unsur melalui penanda seperti <cup_1>; baris mengandungi id, bbox dan desc. Koordinat ialah integer daripada 0 hingga 1000 mengikut urutan [top, left, bottom, right], diukur dari penjuru kiri atas. Contohnya, [0, 0, 500, 500] menerangkan suku kiri atas tanpa mengira dimensi piksel imej. Gunakan nisbah bidang yang menjadi asas reka bentuk susun atur kerana grid koordinat itu meregang mengikut bingkai.

Baris suntingan pula menggunakan from, src_bbox dan tgt_bbox bersama pengecam dan penerangan. ref_image_0 bermaksud imej pertama yang diberikan. Kotak sumber dan sasaran sepadan menambat unsur; kotak berbeza mengalih atau mengubah saiznya. Baris baharu tanpa sumber menjana penerangannya di lokasi sasaran, membolehkan penambahan, penggantian atau pewarnaan semula. Baris sumber tanpa sasaran membuang unsur. Nyatakan penambahan dan pembuangan dalam arahan bertulis serta baris, dan kekalkan baris tambatan untuk butiran yang mesti tetap di tempatnya.

Berikan tulisan kotak tersendiri dan apit perkataan tepatnya dengan tanda petikan dalam desc. Kotak memandu kedudukan dan skala; ia bukan topeng pemotongan, jadi unsur boleh melangkaui segi empat itu. Pengeluar melaporkan bahawa objek baharu dalam kotak sekitar 40×25 piksel sering gagal muncul dalam contohnya. Sediakan ruang kelihatan mencukupi dan periksa sempadan suntingan. Piksel di luar sasaran biasanya kekal stabil, tetapi bayang, pantulan dan pencahayaan berhampiran masih boleh berubah.

Grounding, kelas output dan rekod berguna

Profil yang didokumenkan mengaktifkan grounding secara lalai, membolehkan carian web dan imej membekalkan maklumat kepada penjanaan. Ia boleh dimatikan untuk arahan yang sepatutnya menggunakan hanya penerangan dan rujukan yang diberikan. Untuk subjek dunia sebenar, kenal pasti lokasi, acara atau objek dengan jelas dan asingkan kandungan berfakta daripada olahan artistik. Imejan berdasarkan carian masih perlu dibandingkan dengan bahan berwibawa apabila label, objek atau peristiwa yang digambarkan mesti tepat.

Lima kelas resolusi ialah 768sq, 1k, 1.5k, 2k dan 4k, dengan 1k sebagai lalai. Ia mewakili peringkat luas piksel setara, jadi lebar dan tinggi tepat bergantung pada nisbah pilihan. Lima belas nisbah tetap merangkumi 21:9, format segi empat sama dan potret, hingga 9:21. Profil model ini mengawal saiz melalui nisbah dan resolusi; ia tidak menyediakan medan seed, width atau height yang digunakan dalam profil permintaan FLUX.2. Pemilih versi yang didokumenkan kini menamakan keluaran bergerak, bukannya menetapkan padanan pemberat pembekal bertarikh.

Aliran pengeluar mengembalikan imej selepas pemprosesan tak segerak, bersama prompt dikembangkan. Pautan muat turun imej bertandatangan sah selama satu jam. Simpan imej sebenar, prompt akhir dan rujukan tanpa bergantung pada pautan sementara. Untuk aset yang disemak, bandingkan teks diminta, kedudukan objek, identiti rujukan dan kawasan diubah pada saiz paparan yang dimaksudkan. Penjanaan selesai ialah titik permulaan untuk menyemak keperluan visual tersebut.