近日，一项备受瞩目的研究成果——CoMPaSS-FLUX.1模型正式问世，为图像生成领域带来了革命性的突破。该模型作为基于FLUX.1文本到图像扩散模型的LoRA适配器，专注于提升生成图像中物体空间关系的理解能力，在处理复杂空间关系方面取得了令人惊叹的进展，为AI艺术创作开辟了全新的维度。
CoMPaSS-FLUX.1模型以FLUX.1-dev作为基础架构，采用16级LoRA配置，文件体积约50MB，完美兼容Diffusers框架。其核心功能在于能够生成具有精准空间关系的图像，特别擅长构建需要严格空间排列的构图作品，同时在不牺牲其他生成能力的前提下，大幅增强了空间感知能力。
在性能表现上，CoMPaSS-FLUX.1创造了行业新纪录。根据权威VISOR基准测试显示，该模型的相对提升高达98%；在T2I-CompBench空间测试中，提升幅度达到67%；而在GenEval位置评估中更是实现了131%的惊人改善。更令人惊喜的是，CoMPaSS-FLUX.1在图像保真度方面同样表现出色，FID和CMMD分数均优于基础模型，充分证明其生成质量得到了显著提升。
使用CoMPaSS-FLUX.1时，用户可以参考其优化后的提示系统。该模型在处理空间关系描述时表现尤为出色，特别擅长理解包含明确空间指示词（如”左边”、”右边”、”上面”、”下面”）的提示，或者能够准确解析两个不同物体间明确空间关系的描述（例如”照片中A在B的右边”）。这种精准的空间理解能力，使得模型能够根据文本指令生成构图严谨、空间关系明确的图像作品。
在模型训练阶段，CoMPaSS-FLUX.1采用了严格的数据筛选标准。训练数据来自SCOP（空间约束导向配对）数据引擎，包含约28,000个经过精心挑选的物体对。这些数据在视觉重要性、语义区分度、空间清晰度、物体关系复杂性和视觉平衡性等方面均符合严苛标准。训练过程持续24,000步，采用批量大小为4的配置，学习率设定为1e-4，并运用AdamW优化器配合1e-2权重衰减策略，确保了模型训练的高效性和精准性。
huggingface:https://huggingface.co/blurgy/CoMPaSS-FLUX.1
划重点:
🌟 CoMPaSS-FLUX.1模型通过突破性技术显著提升了文本到图像生成时的空间理解能力，尤其在处理复杂物体间关系方面展现出卓越表现
📊 多项权威基准测试结果证明，该模型在空间关系理解方面实现了革命性提升，同时保持高品质图像生成效果
📚 模型训练基于严格筛选的高标准数据集，确保生成图像在空间关系表达和视觉清晰度上达到专业水准