Replicate 發布影像編輯模型終極指南,系統性比較 Inpainting(區域重繪)、Instruct-based(指令編輯)與 ControlNet 等不同技術路徑。文章針對 FLUX.1-fill、Stable Diffusion XL、CosXL 等熱門模型進行實測,幫助開發者與設計師依據「精準度」、「操作難易度」與「影像保留度」選擇最適合的 AI 影像編輯工具。
Replicate 宣布為開源影像生成模型 FLUX.1 推出全新工具集「FLUX.1 Tools」。此更新引入了 Inpainting(局部重繪)、Outpainting(影像外繪)、Canny 邊緣檢測以及 Depth(深度圖)等控制功能。開發者與創作者現在可以透過 API 更精準地引導與修改 FLUX 生成的影像,解決了過去 FLUX 在精細控制與編輯上的痛點。
Hugging Face 宣布與騰訊 ARC 實驗室合作,將 T2I-Adapter 引入 Stable Diffusion XL (SDXL)。相較於體積龐大的 ControlNet,T2I-Adapter 僅有約 79M 參數,能在不犧牲生成品質的前提下,大幅降低顯示記憶體(VRAM)佔用並提升推理速度。目前已支援 Canny 邊緣偵測、草圖(Sketch)、深度圖(Depth)等多種控制模式,並已整合至 diffusers 函式庫中。
Hugging Face 宣布將 ControlNet 整合至 🧨 diffusers 庫中。ControlNet 是一種能為 Stable Diffusion 等擴散模型加入額外控制條件(如 Canny 邊緣、OpenPose 姿勢、Depth 深度圖等)的架構。透過全新的 StableDiffusionControlNetPipeline,開發者只需幾行程式碼即可實現高精度的圖像生成與編輯,大幅提升了 AI 繪圖的可控性。