Flux 2: Uređivanje slika sledeće generacije

Flux 2, novi AI model za generisanje slika kompanije Black Forest Labs dostupan na platformi FAL, predstavlja značajan napredak u oblasti kreativne sinteze i uređivanja slika. Model se ističe po sposobnosti da obrađuje do osam referentnih slika, omogućavajući složene kompozicije koje verno čuvaju identitet subjekata, predmeta i okruženja. Ključne sposobnosti uključuju besprekorno spajanje preklopljenih elemenata, precizno proširivanje scene (outpainting), virtuelno isprobavanje odeće i stilizovanu produkt fotografiju.

Flux 2 demonstrira izvanredne performanse u transferu stila, pretvarajući fotorealistične slike u različite umetničke forme (od animea do voxel arta) i obrnuto, sve uz očuvanje konzistentnosti originalne kompozicije. Posebno je značajna njegova sposobnost da generiše različite kadrove iste scene, što otvara nove mogućnosti za AI filmsku produkciju i storyboard-ing. U domenu generisanja iz teksta, model briljira u stvaranju fotorealističnih slika, složenih infografika i kompletnih UI/UX maketa sa savršeno čitljivim tekstom. Revolucionarna karakteristika je mogućnost precizne kontrole palete boja korišćenjem heksadecimalnih kodova direktno u tekstualnom promptu, što je po prvi put omogućeno na ovaj način.

Analiza mogućnosti: Flux 2 pro edit image

Ovaj režim rada se fokusira na modifikaciju i kombinovanje postojećih slika na osnovu tekstualnih instrukcija.

Kompozicija i spajanje više slika

Flux 2 može da integriše do osam ulaznih slika u jedinstvenu, koherentnu scenu. Model inteligentno prepoznaje i pozicionira subjekte na osnovu tekstualnog prompta.

• Primer 1 (Eksplicitno referenciranje): Korišćenjem tri slike (žena, mačka, ptica) i prompta "Osoba sa slike 1 mazi mačku sa slike 2. Ptica sa slike 3 je pored njih", model je generisao filmsku scenu u kojoj su sva tri subjekta verno reprodukovana i smeštena u zajednički kontekst.
• Primer 2 (Implicitno prepoznavanje): Korišćenjem pet različitih slika (čizme, muškarac, žena, kuća, torbe), model je uspešno kreirao složenu scenu na osnovu opisa, bez potrebe za numerisanjem slika. Inteligentno je iskoristio sliku kuće kao pozadinu scene i verno preneo sve subjekte i modne dodatke (torbu i čizme).

Spajanje preklopljenih slika (Image Blending)

Model poseduje sposobnost da dva nepovezana, preklopljena vizuelna elementa spoji u jednu savršeno uklopljenu sliku.

• Tetovaža: Slika heruvima preklopljena preko ruke žene, uz prompt "realističan prikaz tetovaže na njenoj ruci", rezultirala je slikom gde je heruvim postao uverljiva tetovaža.
• Dizajn enterijera: Slika sofe preklopljena preko dnevne sobe, uz prompt "uklopi sofu u ovu dnevnu sobu", rezultirala je slikom gde je sofa realistično smeštena u prostoriju, dok je ostatak sobe ostao nepromenjen.

Proširivanje scene (Outpainting)

Flux 2 može efikasno proširiti granice postojeće slike, održavajući stil i konzistentnost originalnog sadržaja.

• Kreativno proširivanje: Slika žene je proširena promptom "proširi scenu, ona šeta prelepom livadom", što je rezultiralo proširenom scenom gde su nebo, lik i stil ostali dosledni.
• Precizno popunjavanje: Slika iz filma "Get Out" postavljena na crnu pozadinu, uz jednostavan prompt "popuni ovu sliku", dovela je do toga da je samo crna pozadina popunjena sadržajem koji se stilski uklapa u originalnu sliku.

Virtuelno isprobavanje i fotografija proizvoda

Model se ističe u primenama vezanim za modu i marketing, kao što je virtuelno isprobavanje odeće i kreiranje produkt fotografija.

• Virtuelno isprobavanje: Korišćenjem slike dukserice i muškarca, uz prompt "On nosi džemper", model je savršeno postavio duksericu na muškarca, pri čemu je osoba ostala nepromenjena, a čak je i složeni logo na dukserici verno rekreiran.
• Produkt fotografija: Kombinovanjem slike žene i slike proizvoda, uz prompt "ona drži proizvod, stil fotografisanja", generisan je "ultra-filmski" rezultat gde su i žena i proizvod ostali nepromenjeni i savršeno uklopljeni.

Transfer stila (Style Transfer)

Flux 2 omogućava promenu umetničkog stila slike uz izuzetno očuvanje kompozicije i detalja.

• Fotografija u umetnost: Fotorealistična slika surfera je uspešno transformisana u sledeće stilove:
  • Meki anime stil
  • Strip stil (comic book)
  • Stil stop-motion animacije (claymation)
  • Neon cyberpunk stil
  • Hiper-minimalistički ravan stil (flat style)
  • Minecraft voxel stil
• Umetnost u fotografiju: Anime slika je transformisana u "stil stvarnog života" (real life style), uspešno zadržavajući sličnu ukupnu estetiku.

Konzistentnost scene za filmsku produkciju

Ova sposobnost je opisana kao "veliki napredak za AI filmsku produkciju" jer omogućava generisanje različitih kadrova iste scene uz održavanje potpunog kontinuiteta.

• Primer storyboard-a: Počevši sa jednom slikom automobila, prompt "pogled iza automobila" generiše novi kadar. Zatim se ta nova slika koristi kao ulaz sa promptom "pogled iz ptičje perspektive" da bi se dobio treći kadar. Svi detalji u sceni ostaju identični kroz sve generisane snimke.

Analiza mogućnosti: Flux 2 Pro text-to-image

Ovaj režim rada se fokusira na generisanje slika isključivo na osnovu tekstualnih opisa.

Fotorealistični stilovi i razumevanje prompta

Model je izuzetno vešt u kreiranju fotorealističnih slika i može da radi i sa jednostavnim i sa veoma detaljnim promptovima.

• Fotorealistični stilovi:
  • Moderni fotorealizam: Prompt o "mokrom mladunčetu tigra" stvorio je sliku koja je "neverovatno oštra, sa velikom dubinom polja".
  • DigiCam 2000 stil: Prompt o "lenjivcu u noćnom izlasku u Bangkoku" uspešno je dočarao izgled fotografije sa početka 2000-ih.
  • Stil selfija sa starog mobilnog telefona: Prompt o "slici sa starog mobilnog telefona" rezultirao je slikom koja ima karakterističan "zrnast i desaturisan izgled".
• Složenost prompta: Iako model odlično radi sa jednostavnim promptovima jer "sam popunjava detalje", takođe je sposoban da obradi "veoma detaljne, strukturirane promptove" za specifične scene. Primer je prompt o "antropomorfnom pingvinu" koji je uključivao detalje o kameri, osvetljenju, senkama i kompoziciji, što je rezultiralo jednom od "top pet AI generisanih slika" po mišljenju autora videa.

Dizajn korisničkog interfejsa (UI/UX) i infografike

Flux 2 može u jednom koraku generisati kompletne makete za veb i mobilne aplikacije, kao i složene infografike sa preciznim tekstom.

• UI/UX dizajn: Preporučuje se korišćenje šablona za prompt koji pokriva tip veb-sajta, sekcije, dizajn i poruku. Na taj način je generisana "moderna početna stranica za dostavu obroka". Ova mogućnost čini Flux 2 "moćnim saputnikom za 'vibe coding'", gde je generisana slika data ChatGPT-u, koji je zatim u jednom potezu napisao kod za ceo veb-sajt, uključujući animacije i slike.
• Infografike: Korišćenjem sličnog šablona (tip, sekcije, dizajn), model može da generiše složene infografike. Primeri uključuju infografiku o tome zašto je nemački grad Frajburg sunčan i infografiku sa činjenicama o Berlinskom TV tornju. U oba slučaja, tekst na slikama je bio "savršen".

Precizna kontrola boja pomoću heksadecimalnih kodova

Ovo je revolucionarna sposobnost koja omogućava korisnicima da definišu tačne boje unutar tekstualnog prompta korišćenjem heksadecimalnih kodova.

• Princip rada: Ovo je "prvi put da smo u mogućnosti da ovo uradimo samo pomoću tekstualnog prompta".
• Primer: Prompt "prazan list papira napravljen od gradijenta boja koji počinje sa [hex kod] i završava se sa [hex kod]" generisao je sliku koja tačno odgovara navedenim bojama.
• Primena: Ova tehnika se može proširiti na "kontrolisano bojenje praktično bilo kog objekta".