今日,我们荣幸地发布 FLUX.1 Kontext ,这是一套创新的生成式流匹配模型,能够帮助用户生成和编辑图像。与现有的文本转图像模型不同, FLUX.1 Kontext 系列模型能够进行所谓 in-context 的图像生成,允许用户同时使用文本和图像作为输入提示,并能无缝提取和修改视觉概念,从而创造出全新的、协调一致的图像作品。

2025年5月29日大约 8 分钟
今日,我们荣幸地发布 FLUX.1 Kontext ,这是一套创新的生成式流匹配模型,能够帮助用户生成和编辑图像。与现有的文本转图像模型不同, FLUX.1 Kontext 系列模型能够进行所谓 in-context 的图像生成,允许用户同时使用文本和图像作为输入提示,并能无缝提取和修改视觉概念,从而创造出全新的、协调一致的图像作品。
本文为原文《Step by Step visual introduction to Diffusion Models》的中文翻译,原作者 Kemal Erdem。
扩散模型的概念并不久远。2015 年的论文《Deep Unsupervised Learning using Nonequilibrium Thermodynamics》中,作者这样描述:
其核心思想,受非平衡统计物理学启发,是通过逐步的前向扩散过程系统性地、缓慢地破坏数据分布中的结构。随后我们学习一个反向扩散过程,恢复数据结构,从而获得对数据高度灵活且易于处理的生成模型。