Krea 3: gyors képátalakító modellt mutatott be a Krea
A Krea bemutatta a Krea 3-at, egy kép a képben (image-to-image) alapmodellt, amely a vállalat szerint gyors, költséghatékony és összetett szerkesztési feladatokra is alkalmas. A rendszer egy generálásban akár 8 referenciaképet kombinál, miközben a karakterek és termékek következetességét is megőrzi.
- A Krea 3 akár 8 referenciaképet kombinál egy generálásban.
- A modell a Krea szerint 2K felbontást és következetes karakter- és termékmegjelenítést támogat.
- A Krea 3 Fast átlagos szerkesztési ideje a jelentésben 8,0 másodperc.
- A Krea 100 000 havi szerkesztésre 8000 dolláros költséget számol a Krea 3 Fast esetében.
- A Krea 3 Ultra több képszerkesztési rangsorban a 4. helyen debütált a vállalat szerint.
Referenciaképekből dolgozik a Krea 3
A Krea technikai jelentése szerint a Krea 3 olyan alapmodell, amely a szöveges utasítás mellett képi referenciákat is feldolgoz. Ez olyan feladatoknál lehet fontos, amelyeknél egy személyazonosság, egy termék vagy egy dizájn pontos leírása nehezebb, mint a bemutatása egy képen.
A modell a Krea állítása szerint képes megtartani a szereplők és a termékek azonosságát a szerkesztések során. Célzott módosításokat hajt végre úgy, hogy a kép többi része változatlan maradjon, és egyetlen generálásban akár 8 referenciaképet is felhasznál. A rendszer natív 2K felbontású mintákkal is tanult.
A Krea 3 architektúrája a vállalat szerint szándékosan hagyományos. A fejlesztés fő hozzájárulásait a betanításban, az adatokban és a modell utólagos optimalizálásában látják. A modell a Krea 2 előtanítására épül, amelyet szélesebb, továbbfejlesztett szöveg a képhez adathalmazzal folytattak.
A Krea szerint a sebesség a modell egyik fő előnye
A Krea összehasonlítása alapján a Krea 3 gyártási környezetben 8 másodpercen belül elkészít egy szerkesztést. A jelentésben szereplő mérések szerint a Nano Banana Pro hasonló feladatnál körülbelül 20 és 40 másodperc közötti időt igényel, így a Krea 3 nagyjából 3 és 5-ször gyorsabb. A GPT Image modellek esetében a vállalat akár több perces szerkesztési időt is említ.
A jelentés egy 2K kimenetet és egy referenciaképet használó összevetésben 8,0 másodperces átlagos időt ad meg a Krea 3 Fast változathoz. Ugyanebben a táblázatban a Grok Imagine 2.0 14,4 másodperc, a Nano Banana 2.1 19,3 másodperc, a Nano Banana Pro 22,3 másodperc, a GPT Image 2.5 Flare pedig 45,7 másodperc alatt végzett.
A Krea 100 000 havi szerkesztésre számolt API-költségpéldája szerint a Krea 3 Fast havi 8000 dollárba kerülne, ami 80 dollár 1000 szerkesztésenként. A Nano Banana Pro ugyanerre a mennyiségre 15 000 dolláros, a GPT Image 2.5 modellek pedig 43 660 dolláros havi költséggel szerepelnek a jelentésben.
Képességek, rangsorok és a fejlesztés háttere
A Krea szerint a Krea 3 Ultra az Arena.ai, az Artificial Analysis és a Design Arena független rangsoraiban a 4. helyen debütált. A vállalat ebből azt a következtetést vonja le, hogy a Krea a világ második számú képgenerálási laboratóriuma. Ez a megállapítás a cég saját értékelése, amelyet a jelentésben több nagy technológiai vállalattal való összehasonlítással együtt közölnek.
A modell betanítása során külön kezelték a referenciaképek és a célkép felbontását. A Krea szerint erre azért van szükség, mert egyes feladatoknál nagy részletességű referenciára van szükség, például finom szövegek másolásakor, míg egyszerű termékelhelyezésnél az alacsonyabb felbontású referencia is elegendő lehet. Ez utóbbi esetben a rövidebb feldolgozási sorozat gyorsíthatja a mintavételt.
A rendszer betanításához változó számú referenciaképet és eltérő felbontásokat kezelő megoldásokat vezettek be. A jelentés három ilyen változást emel ki: a referencia és célkép felbontásának szétválasztását, a sorozathossz alapján történő csoportosítást, valamint a natív 2K tanításhoz kapcsolódó memóriakezelést. A Krea szerint a fejlesztés eredménye gyorsabb, nagy mennyiségű képszerkesztést tesz lehetővé, miközben a modell összetett referenciákból is dolgozik.
Krea: Krea 3 Technical Report
