Qu'est-ce que Flux 3 ?

Flux 3 associe un modèle d'image par diffusion à un encodeur linguistique qui analyse votre description comme un énoncé structuré et non comme un sac de mots-clés. Cette distinction compte davantage qu'il n'y paraît. Quand vous écrivez une pomme rouge posée sur un livre bleu, un modèle qui fait de la correspondance de mots-clés a deux couleurs et deux objets sans moyen fiable de les associer ; Flux 3 conserve l'association, la pomme reste rouge et le livre reste bleu.

Ce même mécanisme explique pourquoi Flux 3 gère le langage spatial. Derrière, à gauche de, reflété dans et partiellement masqué par sont des relations, pas des adjectifs, et un modèle qui analyse la structure sait placer les objets en conséquence. C'est aussi pourquoi le modèle se dégrade de façon prévisible : des propositions contradictoires, plus de quatre sujets nommés environ, ou un paragraphe entier de texte à intégrer dans l'image sont les trois façons les plus sûres d'obtenir un résultat faible.