Black Forest Labs 為什麼讓 FLUX 3 一起學影像、影片和聲音
Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs
重點導讀
一張圖片能看出物體在哪裡,卻看不出它怎麼移動;Black Forest Labs 認為,影片和聲音能補上這些線索。
- 對談中,Andreas Blattmann 用接球說明,人可以在球碰到手前就開始接,不必先算出球的完整路線。
- 影片能呈現球怎麼飛來,撞擊聲也能提示它何時碰到東西。團隊因此主張讓 FLUX 3 一起學影像、影片和聲音。對談也談到影片放大時要讓每一格畫面保持一致,免得細節播放起來閃動,並分享有人用 FLUX 修復老舊的家庭照片。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處latent.space
Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Latent Space (latent.space)
開啟原文