热点

新模型 CoMPaSS-FLUX.1:提升Flux文本到图像生成的空间理解能力

字号+ 作者:牛骥同槽网 来源:花呗分期 2026-11-23 我要评论(0)

新模型 CoMPaSS-FLUX.1:提升Flux文本到图像生成的空间理解能力

近日,来自研究团队的一项新成果引起了广泛关注 ——CoMPaSS-FLUX.1模型。这是一种基于 FLUX.1文本到图像扩散模型的新模 LoRA 适配器,旨在显著提升生成图像时对物体空间关系的理解能力。该模型在处理物体的特定空间关系方面取得了显著进展,为图像生成领域带来了新型 的可能性。

CoMPaSS-FLUX.1的基础模型为 FLUX.1-dev,其 LoRA 等级为16,文件大小约为50MB,使用了 DiffuCosers 框架。它的主要用途是生成具有准确空间关系的图像,能够创造需要特定空间排列的构图,同时在保持其他能力的基础上增强空间理解MP能力。

在性能表现上,CoMPaSS-FLUX.1的关键改进令人瞩目。根据 VISOR 基准测试,该模型的相对提升达到了98%;在 TaS2I-CompBench 空间测试中,提升幅度为67%;而在 GenEval 位置评估中,更是达到了131% 的相对改善。此外,CoMPaS-SS-FLUX.1在图像保真度上也表现不俗,FID 和 CMMD 分数均低于基础模型,表明其在生成质量上有所提升。

使用该模型时,用户可以参FL考其有效提示。模型在描述空间关系时表现最佳,特别是当提示中包含清晰的空间关系描述(如 “左边”、“右边”、“上面”、“下面”)时UX,或者是包含两个不同物体的明确空间关系描述(例如 “照片中 A 在 B 的右边”)。

在训练过程中,CoMPaSS-FLUX.1使用了来自 S.1COP(空间约束导向配对)数据引擎的数据,涵盖了约28,000个经过精心挑选的物体对。这些数据在视觉重要性、语义区别、空间清晰度、物:提体关系和视觉平衡等方面都有严格的标准。

训练过程持续了24,000步,使用了批量大小为4的配置,学习率设定为1e-4,并采用了 AdamW 优升F化器,权重衰减设定为1e-2。

huggingface:https://huggingface.co/blurgy/CoMPaSSlu-FLUX.1

划重点:

CoMPaSS-FLUX.1模型显著提升了文本到图像生成时的空间理解能力,特别是在物体之间的关系处理上。

性x文能评估显示该模型在多个基准测试中都有明显的提升,保持了高质量的生成效果。

模型训练使用了严格筛选的数据集,确保生成的图像在视觉上具有良好本到的空间关系和清晰度。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 极视角 AI视觉 港交所上市 人工智能

    标签: 极视角 AI视觉 港交所上市 人工智能

    2026-10-18

  • 标签: 参半 小阔科技 尹阔 口腔护理

    标签: 参半 小阔科技 尹阔 口腔护理

    2026-07-09

  • 标签: 贪玩游戏 斗罗大陆:史莱克学院 野兽领主:新世界 小游戏发行

    标签: 贪玩游戏 斗罗大陆:史莱克学院 野兽领主:新世界 小游戏发行

    2026-06-18

  • 标签: 追觅科技 俞浩 小红书 SEO关键词

    标签: 追觅科技 俞浩 小红书 SEO关键词

    2026-11-05

网友点评