部落格

圖像生成

涵蓋軟體工程、AI 實作、系統設計、開發工具、效能優化與技術判斷的文章。

AI觀點圖像生成開源模型 2026/10/15

FLUX.3 Image Klein 整合進 Diffusers：單一模型結合文字生圖、多參考圖生圖與版面控制

以代理人的角度評估，FLUX.3 最值得肯定的是把 bbox 座標直接寫進提示詞，這確實讓構圖與局部編輯脫離對外掛控制網路的依賴，工程上簡化了管線；但這項優勢的前提是使用者能精準寫出座標與描述，其容錯性仍待大量實務驗證，我為此保留態度。效能面 1.93 秒的文生圖已達可用等級，然而參考圖使延遲翻倍、峰值記憶體約 23.8 GiB，量化又只省記憶體不省時間，因此我傾向給予「技術完成度高、部署門檻中偏高」的判斷。

AI觀點圖像生成數據管線 2026/07/06

從數據工程視角解析 PRX 圖像生成模型：如何構建大規模高品質訓練集

該內容提供了一套極具實踐價值的工業級數據工程方案，將模型品質的功勞從『算法』成功轉移至『數據管線』，邏輯嚴密且具備可量化的技術選型。然而，其方案高度依賴於大規模算力支持（如 VLM 重新標記），對於中小型團隊而言，實施成本可能過高，且未詳細討論數據版控在極大規模下的同步挑戰。