Black Forest Labs компани текстээс зураг үүсгэх, зураг засварлах болон 10 хүртэлх лавлах зураг (multi-reference generation) зэрэг ашиглан шинэ дүрслэл бүтээх чадвартай 5.6 тэрбум параметртэй нээлттэй жинтэй FLUX 3 Image Klein загвараа албан ёсоор гаргалаа. Энэхүү загвар нь бүрэн хэмжээний FLUX 3 Image загварын гол давуу талууд болох төрөлхийн 4K нягтаршил, пиксел алдаагүй засварлалт болон элементүүдийн байршлыг заах Bounding Box удирдлагыг өвлөн авчээ.

FLUX 3 Image Klein загварын үүсгэсэн гэрэл зураг мэт бодит болон үсгийн хэв маягийн өндөр нарийвчлалтай бүтээлүүд.
// FLUX 3 Image Klein загварын үүсгэсэн гэрэл зураг мэт бодит болон үсгийн хэв маягийн өндөр нарийвчлалтай бүтээлүүд.

FLUX 3 Image Klein нь зөвхөн хөдөлгөөнгүй зураг бус, FLUX 3 экосистемийн зураг, видео болон аудио өгөгдлийн хамтарсан сургалт дээр суурилжээ. Зураг нь орон зайн нарийвчлалыг, видео нь хөдөлгөөн ба физик хөдөлгөөнийг, харин аудио нь үйл явдал болон харилцан үйлчлэлийн мэдээллийг өгснөөр бодит ертөнцийн физик хуульд нийцсэн дүрслэл үүсгэдэг байна.

Дотоод үнэлгээний Elo чансаа: FLUX 3 Image Klein (5.6B) нь Ideogram V4.5, FLUX.2 [pro], Qwen-Image 2.1 (7B) болон Krea 2 (12.9B) загварыг тэргүүлэв.
// Дотоод үнэлгээний Elo чансаа: FLUX 3 Image Klein (5.6B) нь Ideogram V4.5, FLUX.2 [pro], Qwen-Image 2.1 (7B) болон Krea 2 (12.9B) загварыг тэргүүлэв.

Дотоод үнэлгээгээр FLUX 3 Image Klein нь ердөө 5.6B параметртэй хэдий ч өөрөөсөө том нээлттэй загварууд болох Qwen-Image 2.1 (7B) болон Krea 2 (12.9B), мөн хаалттай загварууд болох Ideogram V4.5 ба FLUX.2 [pro]-ийг текстээс зураг үүсгэх, олон лавлах зураг нэгтгэх болон зураг засварлах үзүүлэлтээр бүгдийг нь ялжээ. Өмнөх FLUX.2 [klein] 9B загвартай харьцуулахад параметрийн тоо 38 хувиар багассан ч текстээс зураг үүсгэх чадвараар +91 Elo, зураг засварлалтаар +70 Elo оноо нэмэгдүүлсэн байна.

DGX Spark болон хэрэглэгчийн RTX 4070 видео карт дээрх хурд ба санах ойн үзүүлэлт.
// DGX Spark болон хэрэглэгчийн RTX 4070 видео карт дээрх хурд ба санах ойн үзүүлэлт.

NVIDIA-тай хамтран боловсруулсан FP8, INT8 болон NVFP4 нарийвчлалтай хувилбаруудын ачаар уг загварыг энгийн хэрэглэгчийн компьютер дээр төвөггүй ажиллуулж болно:

  • NVIDIA DGX Spark: Текстээс зураг үүсгэхэд 7.3 секунд, зураг засварлахад 16.2 секунд.
  • Хэрэглэгчийн RTX 4070 GPU: DGX Spark-аас ердөө 1.5 секундээр удаан буюу 9 секунд орчимд текстээс зураг үүсгэж, өндөр нягтаршилтай засварлалтыг гэрийн компьютер дээр үнэгүй гүйцэтгэнэ. Мөн Hugging Face Spaces дээр шууд турших боломжтой.
Олон лавлах зураг (Multi-reference) болон Bounding Box ашиглан нарийн засвар хийх жишээ.
// Олон лавлах зураг (Multi-reference) болон Bounding Box ашиглан нарийн засвар хийх жишээ.
FLUX 3 Image Klein-ийн үсгийн хэв маяг, зурагт хуудас болон архитектурын дүрслэлийн чанар.
// FLUX 3 Image Klein-ийн үсгийн хэв маяг, зурагт хуудас болон архитектурын дүрслэлийн чанар.