Latent Space· swyx .ai·· 2 小时前AI 评分71
Black Forest Labs 谈 FLUX 3 的视觉智能训练与多模态方向
Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs
AI 导读
Black Forest Labs 团队在访谈中介绍了 FLUX 3 如何联合训练图像、视频与声音,以学习静态画面、镜头运动和声音所包含的视觉信息。团队基于同一 FLUX 3 骨干开发视频放大器,以减少逐帧增强造成的时间闪烁;还讨论了自回归与扩散模型的训练取舍、FLUX Kontext 编辑,以及面向世界模型和机器人方向的探索。
来源:Latent Space · latent.space