FIBO ：开源的图像生成模型，首个原生支持JSON

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

主要介绍

FIBO 是首个开源且原生支持 JSON 的文本生成图像模型，专为长结构化描述训练而成。它在超过 1 亿条结构化 JSON 描述（每条约 1,000 字）上训练，能够精确、可重复地控制光线、构图、色彩与相机参数。FIBO 面向非商业用途开放模型权重与代码，使用 100% 授权数据，确保训练来源合规，适合专业工作流。

功能特点

1. 结构化 JSON 提示：将简短文本提示扩展为详细的结构化 JSON 描述，包含光线、构图、色彩等细节。
2. 迭代可控生成：支持从简短提示生成图像，或基于已有 JSON 提示进行多轮细化。
3. 特征解耦控制：可单独调整某个属性（如相机角度）而不破坏整体场景。
4. 灵感模式：通过输入图像提取结构化提示，生成相关图像，激发创意。
5. 企业级合规性：100% 使用授权数据，确保法律透明性和可重复性。
6. 生产级集成：支持 API 接口、ComfyUI 节点及本地推理。

优缺点

优点：

• 精确控制：通过结构化 JSON 描述，实现对图像细节的精确控制。
• 迭代优化：支持多轮细化，逐步优化画面。
• 合规性：使用授权数据，确保法律透明性。
• 灵活性：支持多种工作模式，适应不同创作需求。

缺点：

• 学习成本：结构化 JSON 描述需要一定学习成本，对新手不友好。
• 硬件要求：模型规模较大，对硬件资源有一定要求。

如何使用

1. 访问项目地址：前往 GitHub 仓库（https://github.com/Bria-AI/FIBO）或 HuggingFace 模型库（https://huggingface.co/briaai/FIBO），获取模型代码和预训练权重。
2. 选择工作模式：根据需求选择生成、精修或灵感模式。
3. 输入提示：提供简短文本提示或结构化 JSON 描述。
4. 生成图像：运行模型，生成高质量图像。
5. 调整与优化：基于生成的图像和 JSON 提示，进行多轮细化与调整。

框架技术原理

• 架构：基于 8B 参数的 DiT 架构，采用流匹配（Flow Matching）训练方式。
• 文本编码器：使用 SmolLM3-3B，搭配创新的 DimFusion 条件架构，实现高效的长描述训练。
• VAE：采用 Wan 2.2，负责图像的编码和解码。
• VLM 引导：通过视觉语言模型（VLM）将简短文本提示扩展为详细的结构化 JSON 提示。
• 结构化监督：使用结构化 JSON 描述进行训练，促进特征解耦，避免提示词漂移。

创新点

1. 原生支持 JSON：首个支持原生 JSON 描述的文本生成图像模型，实现精确控制。
2. 特征解耦：结构化描述带来天然的特征解耦能力，支持针对性调整。
3. VLM 引导：借助 VLM 辅助提示系统，自动扩展简短用户意图，补全缺失细节。
4. 企业级合规性：100% 使用授权数据，确保治理、可重复性与法律透明性。

评估标准

1. 提示词一致性：生成图像与输入提示的一致性。
2. 图像质量：生成图像的清晰度、细节和真实感。
3. 控制精度：对光线、构图、色彩等参数的控制精度。
4. 迭代稳定性：多轮细化过程中的画面一致性和稳定性。
5. 合规性：数据来源的合法性和透明性。

应用领域

1. 专业设计与创意工作流：为广告、产品设计和平面设计生成高质量图像，支持快速迭代和精准控制。
2. 影视与娱乐：生成电影、游戏和动画的概念艺术与场景设计，助力视觉化创作。
3. 教育与培训：生成教学图像和虚拟实验场景，辅助教育内容制作。
4. 科学研究：将科学数据转化为直观图像，辅助研究展示和数据可视化。
5. 医疗与健康：生成医学示意图和虚拟手术场景，支持医学教学和手术培训。

项目地址

• GitHub 仓库：https://github.com/Bria-AI/FIBO
• HuggingFace 模型库：https://huggingface.co/briaai/FIBO