不圆 发自 凹非寺
量子位 | 公众号 QbitAI
AI生图，但是没有AI味，可能么？
一款全新、可编辑、照片级的AI生图模型FLUX.1 Krea [dev]现已发布，可在Krea Edit上免费试用。
官方介绍该模型“没有AI感，没有过曝的高光，只有自然细节。”
主打一个真实。
新模型是Krea 1的开源权重版本，它被训练的目标是生成更真实、更多样化的图像，这些图像不包含文生图生成中常见的过度饱和纹理。
我们实测了这款模型，看看下面这张拼图，可以猜一下哪张是FLUX.1 Krea [dev]生成的。
答案马上揭晓~
模型表现
为了测试FLUX.1 Krea [dev]是否“没有AI感”，我们将从光学真实性、纹理连续性、语义一致性、透视、动态模糊等方面入手，并与真实的摄影图片进行对比。
一起来看一下。
光学真实性
AI作图容易出现“塑料感”或死白过曝的问题，难以区分不同的材质。
我们先在图虫网找到了一些主体为不同材料的摄影图片，并根据图片的内容设置提示词，把提示词输入FLUX.1 Krea [dev]进行文生图，验证模型是否理解物理光学规律。
There is a row of stainless steel pipes neatly arranged at the bottom, and three horizontally placed stainless steel pipes at the top, with the pipe openings facing outward at a 45° angle to the right.
刚刚的那张拼图就是由以上的提示词生成的，正确答案是下图，猜对了么？
FLUX.1 Krea [dev]会一次性输出4张图（对，像豆包一样），我们挑选了相对真实的那张作为展示。
可以看到，FLUX.1 Krea [dev]在原有提示词的基础上，主动添加了锈点的特质——这确实让材料看上去更加真实。
但也并非十全十美，例如下图中圈出来的部分，仍存在一些难以解释的结构。
The water is calm, a gentle and transparent blue with a few waves.
同样的，上图为真实摄影，下图为FLUX.1 Krea [dev]的最优输出。
可以看到，FLUX.1 Krea [dev]对于波浪的理解比较浅显，看起来有些重复、失真，网状波纹光看起来不像是在水底，反而像是浮在水面上。
纹理连续与语义理解
AI容易出现常见的重复图案或断裂，对于复杂的真实纹理，能否自然过渡成了一个难题。
为此，我们以针织面料和植物为例，测试一下FLUX.1 Krea [dev]对微观结构的理解能力。
以下拼图的上图均为真实摄影，下图为FLUX.1 Krea [dev]的最优输出。
Texture of green twill stitch knitted fabric, top view, the fabric is slightly uneven.
就微观结构的连续性而言，FLUX.1 Krea [dev]的输出并无明显问题。
但对于uneven（不平整）的呈现还是比较规律，且似乎并不能理解twill（斜纹针）的含义。
There are some water droplets on the back of the Plumeria rubra leaves.
上图为鸡蛋花（Plumeria rubra，华南常见树种）叶子的背面，有水珠。
根据输出结果可以看出，FLUX.1 Krea [dev]难以掌握准确的植物类型，甚至没能很好地理解back（背面）的要求。
（以下是此次输出的全部四张图片，均出现同样问题。）
就材质而言，水珠的效果也有些“AI味”，过于均匀、单调。
透视与动态模糊
生成多物体交错场景可以测试文生图模型对空间关系的理解，还是仅能简单拼接训练样本。
而生成运动物体可以验证模型对时间维度的模拟能力（检查模糊方向是否符合物理规律）。
There is a blanket on the grass, with three books stacked on top of it, and a lilac flower in front of it partially blocking the books.
可以看到，虽然对花朵的理解不太准确，但整体的拟真表现还算不错，甚至能够做到让前景和背景都呈现出模糊的效果（浅景深）。
乍一看没什么大问题。
A silver car was driving from left to right at about 70 miles per hour, with the city receding behind it.
且不说左右不分的问题（并不是全部输出都左右不分，但这张图效果相对真实），FLUX.1 Krea [dev]的输出很难看出画面主体运动的趋势。
背景的模糊没有方向性，更像是散光，轮胎上有反光这点也很奇怪（吧？）。
物理规则
通过输入一些“反常识”的、逻辑矛盾的内容，可以判断模型是否优先遵循物理规律，还是单纯拟合数据。
At noon, the sun was so strong that an oak tree cast no shadow at all in the sun.
可以看出，即使提示词为cast no shadow at all（完全没有影子），FLUX.1 Krea [dev]能够遵循物理规则，保持影子的存在。
但如果提示词为“鱼在天上飞”这类幻想性比较强的文本，输出将有所不同：
The weather was sunny, the sky was blue, and some goldfish were swimming above the city.
虽然金鱼像贴图一样，但可以看出，在这种时候FLUX.1 Krea [dev]就会跳出既有的物理规律，生成的图片也缺乏真实感。
毕竟本来就是不可能的事。
其它玩法
根据页面上已有的功能，似乎还可以做出一些别的尝试。
比如可以选择作图的风格（image style），或对原有图像进行调整（image prompt）：
还可以调整生成图片的比例：
我们试着用奥特曼的一张照片作为参考，提示词为“被美元包围”，“表情自信”。
注意到在网页内还可以调整参考比例。
默认参考为0.4，我们使用了0.5作为尝试，风格参考也是0.5，输出结果如下：
比较大的问题是它似乎无法很好地把人物特征抓出来，呈现出来的结果让人完全认不出这是谁。
选择了油画风格作为参考，却让画面显得很脏。
所以在下一次测试中，我们取消了参考风格，把参考图像的比例调整至最大（1），提示词相同。
输出的结果如下：
把提示词中的“The person in the photo”改成“Samuel Harris Altman”，结果也并没有多大改变：
由此大概可以得出，FLUX.1 Krea [dev]并没有办法识别出人物特质。
（它的数据库里可能也没有奥特曼。）
一个“有主见”的文生图模型
简单总结，它在光影和自然细节上做得确实很不错，属于乍一看看不出什么大问题的水平，但对于形象的把握、时间和空间结构的理解上还有待提升。
依然会和大多数的AI作图工具一样，出现较多的重复，实际情况往往会更加复杂。
当提示词比较明确是某种植物或者某个具体个体的时候，它并没办法很好地生成准确内容，哪怕有图像参考也是如此。
不过嘛，如果“AI味”指的仅仅是光影和材料的质感，我想它确实做到了。
官方对FLUX.1 Krea [dev]的介绍是：一个“有主见”的文生图模型。
FLUX.1 Krea [dev]在人类偏好评估中仍超越了以往的开源文生图模型，并与FLUX1.1 [Pro]等闭源解决方案表现相当。
此外，它在架构上与FLUX.1 [dev]生态系统兼容，并可作为灵活的基础模型，用于下游应用的定制。
虽然在介绍说是免费试用，但一个账号每天也有固定额度。然而，根据我们的实测体会，似乎不是由图片数目决定的。
这点也引发了部分网友的不满：因为一次性默认输出4张图，可能会“浪费”额度。
不过，趁着它还有免费额度，或许也值得一试。
（PS：可以直接用邮箱注册新账号，额度就更多了，嘻嘻）
（文：量子位）