FLUX.2 - Black Forest Labsが開発したオープンソースのAI画像生成・編集モデル。 - AiBoss

FLUX.2とは何ですか？

FLUX.2は、Black Forest Labsが開発したAI画像モデルで、実際のクリエイティブワークフロー向けに特化して設計されています。このモデルは、最大10枚の画像からなるマルチイメージ参照をサポートし、最大4MPの高解像度で、優れたディテールとテキストレンダリング機能を備えた高品質な画像を生成します。FLUX.2には、高性能版のFLUX.2 [pro]、カスタマイズ可能なFLUX.2 [flex]、オープンソース版のFLUX.2 [dev]、そして近日リリース予定のFLUX.2 [klein]など、複数のバージョンが用意されています。ビジュアル言語モデルとストリームトランスフォーマーアーキテクチャを組み合わせることで、このモデルは現実世界の知識理解と画像生成品質を大幅に向上させ、ビジュアルインテリジェンス技術のオープンイノベーションと幅広い応用を促進します。

FLUX.2の主な特徴

参考画像複数枚このモデルは、最大10枚の画像を同時に参照することをサポートしており、文字、スタイル、製品の一貫性を維持します。
高解像度画像生成このモデルは最大4メガピクセルまでの画像編集に対応しており、商品撮影、ビジュアライゼーション、写真関連アプリケーションに適しています。
複雑なテキストレンダリングこのモデルは、複雑なレイアウト、インフォグラフィック、絵文字、UIデザインに対応でき、読みやすい小さなテキストもサポートしています。
指示遵守機能複数の部分からなるヒントや複合的な制約など、複雑で構造化された指示への準拠性が向上しました。
実世界の知識照明、空間論理、シーンの一貫性において優れた性能を発揮し、よりリアルな画像を生成する。

FLUXの技術的原理.2

潜在フローマッチングアーキテクチャFLUX.2は潜在フローマッチングアーキテクチャを採用しています。潜在空間でフローマッチングを行うことで、モデルは画像生成と編集タスクを効率的に処理し、生成された画像の整合性と一貫性を維持します。このアーキテクチャにより、FLUX.2は複雑な画像合成タスク、特に複数画像参照や高解像度生成において優れた性能を発揮します。
視覚言語モデルとストリームコンバータの結合FLUX.2は、Mistral-3 24Bパラメータのビジュアル言語モデル（VLM）とTransformerを組み合わせたものです。VLMは、モデルに豊富な実世界の知識と意味理解を提供し、FLUX.2が複雑なキューワードやシーンロジックをより的確に理解できるようにします。Transformerは、画像内の空間的な関係性、マテリアルの特性、構成ロジックの把握に重点を置き、従来のアーキテクチャの欠点を補います。この組み合わせにより、FLUX.2は、特に複数の画像参照や複雑なテキストレンダリングを扱う際に、複雑なシーンやディテールを生成する上で優れた性能を発揮します。
変分オートエンコーダー（VAE）の最適化FLUX.2は、潜在表現を最適化するための新しい変分オートエンコーダー（VAE）を導入しています。VAEは、学習性、画像品質、圧縮率の間で最適なトレードオフを実現します。潜在空間を再学習することで、FLUX.2は学習性・品質・圧縮率のトリレンマを解決し、より高い画像品質と優れた生成効率を実現します。
参考資料およびスタイルの一貫性を保つための複数の画像FLUX.2は、最大10枚の画像を同時に参照でき、高度なマルチイメージ融合アルゴリズムを用いて、生成される画像におけるスタイル、キャラクター、製品の詳細の一貫性を確保します。このマルチイメージ参照機能により、FLUX.2は、広告デザイン、製品ビジュアライゼーション、映画のポストプロダクションなど、ブランドスタイルやシーンの一貫性を維持する必要のあるクリエイティブなワークフローに特に適しています。

FLUX.2プロジェクトのアドレス

プロジェクト公式サイト：https://bfl.ai/blog/flux-2
ハギングフェイスモデルライブラリ：https://huggingface.co/collections/black-forest-labs/flux2

FLUX.2 の使い方

FLUX.2 [pro]BFL PlaygroundまたはBFL APIを介して直接使用できるため、ローカル環境へのデプロイを必要とせず、本番環境にも適しています。
FLUX.2 [flex]bfl.ai/playまたはBFL APIを介して使用でき、生成パラメータを調整できるため、きめ細かな制御を必要とする開発者に適しています。
FLUX.2 [dev]Hugging Faceモデルライブラリにアクセスし、オープンウェイトモデルをダウンロードして、参照推論コードを使用してローカルで実行します。これは、開発者がカスタマイズ開発を行うのに適しています。
FLUX.2 [klein]（近日公開予定）：FLUX.2 のオープンソース版は、開発者がローカルでの実験やイノベーションのためにベータテストに参加するのに適しています（https://docs.google.com/forms/d/e/1FAIpQLScOIvOkHN2fPbD8cFsAf7MQJfqu2bnEmoNb0x1k3ismTLLm-Q/viewform）。
FLUX.2 – VAE潜在表現のための斬新な変分オートエンコーダーであり、他のFLUX.2モデルをサポートする基礎的なコンポーネントとして機能し、Hugging Faceモデルライブラリと併用できます。

FLUX.2の応用シナリオ

広告制作FLUX.2は、高品質な商品広告画像を迅速に生成でき、ブランドスタイルの一貫性を維持するために複数の画像参照をサポートし、複雑なプロンプトに基づいて創造的な広告コンテンツを生成できます。
UI/UXデザインこのモデルは複雑なレイアウトやテキストレンダリングをサポートし、ユーザーインターフェースのプロトタイプやデザイン案を生成することで、デザイナーが創造的なアイデアを迅速に実現できるよう支援します。
ブランドプロモーション高解像度画像の生成と編集を通じてブランド向けのビジュアルコンテンツを作成し、様々なメディア間でブランドの一貫性を確保します。

映画やテレビの特殊効果これは、リアルなシーン、小道具、キャラクターを生成するために使用され、複数の画像参照をサポートすることで視覚スタイルの一貫性を維持し、特殊効果制作の時間とコストを削減します。
アニメーション制作高品質なアニメーションフレームと背景を生成することで、アニメーションスタイルの一貫性を保ちながら、アニメーション制作プロセスを加速させます。