FLUX 3 Image: バウンディングボックスで画像生成・編集を可能にするマルチモーダルモデル

Black Forest Labsが開発したFLUX 3 Imageは、画像生成・編集のためのマルチモーダルモデルである。バウンディングボックスを使用して、画像内の各要素を配置し、それらを組み合わせたシーンプロンプトで画像を生成する。要素テーブルはJSON形式で、各要素のID、バウンディングボックス([y_min, x_min, y_max, x_max])、および説明を含む。ユーザーは、要素の再記述、置き換え、移動といった編集をボックス単位で行うことができ、編集されていない部分はそのまま保持される。このモデルは、レイアウトと構成を理解するように訓練されており、テキストプロンプトのみで構成された画像を簡単に作成できる。ネイティブ4K解像度でのレンダリングや、ピクセルパーフェクトな編集が可能で、テクスチャ、顔、色などの細部も保持される。商用ライセンスも提供されており、大規模な画像生成を行う企業での利用や、自社インフラでのファインチューニングとデプロイが可能である。