前Stability AI核心成员Robin Rombach创立了一家新公司,并获得了3200万美元的融资。他们发布了FLUX.1系列开源图像生成模型,该模型基于一种混合架构,结合了多模态和并行扩散Transformer架构。
FLUX.1模型共推出了三个版本:
- FLUX.1 [pro] :这是性能最佳的版本,提供最先进的图像生成能力,适用于对图像质量和功能要求最高的商业用户。
- FLUX.1 [dev] :这是一个开源版本,相较于标准模型,具备更高的效率。接近于FLUX.1 [pro]的质量和提示跟随能力,适合学术研究和非商业应用。
- FLUX.1 [schnell] :具备最快的生成速度,适用于个人开发和快速原型设计。
FLUX.1模型采用了多模态架构和并行扩散Transformer结构,通过流匹配方法改进了传统的扩散模型,引入了旋转位置嵌入技术和并行注意力层,以增强模型的性能和硬件效率。此外,FLUX.1在图像准确性、质量和对文本提示的遵循性方面树立了新标准,从根本上改变了我们生成AI图像的方式。
FLUX.1模型不仅在性能上声称大幅超越了DALL·E 3、Midjourney V6等闭源模型,还大幅提升了开源图像生成领域的技术水平。这一系列的发布和开源策略,使FLUX.1成为当前最强大的文生图开源模型之一。
FLUX.1模型的具体技术细节和架构是什么?
FLUX.1模型是一种先进的图像生成模型,其具体技术细节和架构如下:
-
基础架构:
- FLUX.1基于Vision Transformer(ViT)架构,结合了多模态和并行扩散Transformer模块的混合架构。