新模型 CoMPaSS-FLUX.1：提升Flux文本到圖像生成的空間理解能力

近日，來自研究團隊的一項新成果引起了廣泛關注 ——CoMPaSS-FLUX.1模型。這是一種基於 FLUX.1文本到圖像擴散模型的 LoRA 適配器，旨在顯著提升生成圖像時對物體空間關係的理解能力。該模型在處理物體的特定空間關係方面取得了顯著進展，爲圖像生成領域帶來了新的可能性。

CoMPaSS-FLUX.1的基礎模型爲 FLUX.1-dev，其 LoRA 等級爲16，文件大小約爲50MB，使用了 Diffusers 框架。它的主要用途是生成具有準確空間關係的圖像，能夠創造需要特定空間排列的構圖，同時在保持其他能力的基礎上增強空間理解能力。

在性能表現上，CoMPaSS-FLUX.1的關鍵改進令人矚目。根據 VISOR 基準測試，該模型的相對提升達到了98%;在 T2I-CompBench 空間測試中，提升幅度爲67%;而在 GenEval 位置評估中，更是達到了131% 的相對改善。此外，CoMPaSS-FLUX.1在圖像保真度上也表現不俗，FID 和 CMMD 分數均低於基礎模型，表明其在生成質量上有所提升。

使用該模型時，用戶可以參考其有效提示。模型在描述空間關係時表現最佳，特別是當提示中包含清晰的空間關係描述（如 “左邊”、“右邊”、“上面”、“下面”）時，或者是包含兩個不同物體的明確空間關係描述(例如 “照片中 A 在 B 的右邊”)。

在訓練過程中，CoMPaSS-FLUX.1使用了來自 SCOP（空間約束導向配對）數據引擎的數據，涵蓋了約28，000個經過精心挑選的物體對。這些數據在視覺重要性、語義區別、空間清晰度、物體關係和視覺平衡等方面都有嚴格的標準。

訓練過程持續了24，000步，使用了批量大小爲4的配置，學習率設定爲1e-4，並採用了 AdamW 優化器，權重衰減設定爲1e-2。

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

劃重點:

🌟 CoMPaSS-FLUX.1模型顯著提升了文本到圖像生成時的空間理解能力，特別是在物體之間的關係處理上。

📊 性能評估顯示該模型在多個基準測試中都有明顯的提升，保持了高質量的生成效果。

📚 模型訓練使用了嚴格篩選的數據集，確保生成的圖像在視覺上具有良好的空間關係和清晰度。