新模型 CoMPaSS-FLUX.1：提升Flux文本到图像生成的空间理解能力
我要评论近日，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，为图像生成领域带型 来了新的可能性。
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Co了 Diffusers 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MP理解能力。
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 T2IaS-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FL可以参考其有效提示。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，或UX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 SCOP（.1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、物体关：提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升F 优化器，权重衰减设定为1e-2。
huggingface:https://huggingface.co/blurgy/CoMPaSS-FLluUX.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。
性能评估显x文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的空间关系本到和清晰度。
相关文章
云梦级3月9日云梦级消息，据中国新闻周刊报道，3月9日，#网友举报逐玉收视率造假#冲上微博热搜，引发网友关注讨论。 近日，电视剧《逐玉》开播四日，单日播放量约7000万，超越《狂飙》开播第四日的单日纪2026-11-16
2月25日消息，在火山引擎举办的视频云科技原力峰会上，火山引擎与阿里云、腾讯云联合发布一项“超低延时直播协议信令标准”。该标准首次正式定义了直播“客户端-服务器”信令交互流程，将传统直播技术3至6秒的2026-11-16
云梦级10月31日云梦级消息，奥迪集团公布2025年前9个月财务业绩。报告期内，奥迪集团营收约484亿欧元，同比增长4.6%；营业利润约16亿欧元，净现金流达21亿欧元。 车辆交付方面，今年前三季度，2026-11-16
撰文 | 张 宇 编辑 | 杨博丞 题图 | IC Photo 儿童智能产品品牌小天才再次陷入舆论漩涡。 近日，多位家长反映，其子女使用的小天才儿童手表“微聊”功能，频繁接收到陌生人发送的“沉海”“入2026-11-16
随着我国老龄化的加剧，养老早已成为全社会普遍关注的话题。 中国到底有多少老人，2018年底，我国60岁以上老人已经达到2.49亿，并且预计到2050年，人数将突破5亿。 那么未来我们到底怎么样老？尤其2026-11-16
基于云的SaaS是企业以订阅方式提供软件解决方案的一种相对较新的方法，它已成为近来比较流行的行业趋势之一。根据调研机构的调查，大约85%的中小企业已经投资SaaS， 2020年全球达到1050亿美元的2026-11-16
最新评论