ComfyUI  >  Arbejdsgange  >  FLUX ControlNet Depth-V3 & Canny-V3

FLUX ControlNet Depth-V3 & Canny-V3

Transformér din kreative proces med FLUX-ControlNet Depth og Canny modeller, designet til FLUX.1 [dev] af XLabs AI. Denne ComfyUI workflow guider dig gennem indlæsning af modeller, indstilling af parametre og kombination af FLUX-ControlNets for enestående kontrol over billedindhold og struktur. Uanset om du bruger dybdekort eller kantdetektion, giver FLUX-ControlNet dig mulighed for at skabe fantastisk AI-kunst.

ComfyUI FLUX-ControlNet Arbejdsgang

ComfyUI FLUX ControlNet Depth and Canny Workflow
Vil du køre denne arbejdsgang?
  • Fuldt operationelle arbejdsgange
  • Ingen manglende noder eller modeller
  • Ingen manuelle opsætninger krævet
  • Funktioner fantastiske visuals

ComfyUI FLUX-ControlNet Eksempler

ComfyUI FLUX-ControlNet Beskrivelse

FLUX er en ny billedgenereringsmodel udviklet af , FLUX-ControlNet-Depth og FLUX-ControlNet-Canny modellerne blev skabt af XLabs AI teamet. Denne ComfyUI FLUX ControlNet workflow blev også skabt af XLabs AI teamet. For flere detaljer, besøg venligst . Al credit går til deres bidrag.

Om FLUX

FLUX modellerne er forudindlæst på RunComfy, navngivet flux/flux-schnell og flux/flux-dev.

  • Når du starter en RunComfy Medium-Sized Maskine: Vælg checkpoint flux-schnell, fp8 og clip t5_xxl_fp8 for at undgå hukommelsesproblemer.
  • Når du starter en RunComfy Large-Sized eller Over Maskine: Vælg et stort checkpoint flux-dev, default og en høj clip t5_xxl_fp16.

For flere detaljer, besøg: 

🌟Den følgende FLUX-ControlNet Workflow er specifikt designet til  modellen.🌟

Om FLUX-ControlNet Workflow (FLUX-ControlNet-Depth-V3 og FLUX-ControlNet-Canny-V3)

Vi præsenterer to enestående FLUX-ControlNet Workflows: FLUX-ControlNet-Depth og FLUX-ControlNet-Canny, som hver tilbyder unikke muligheder for at forbedre din kreative proces.

1. Hvordan man bruger ComfyUI FLUX-ControlNet-Depth-V3 Workflow

FLUX-ControlNet Depth modellen indlæses først ved hjælp af "LoadFluxControlNet" noden. Vælg "flux-depth-controlnet.safetensors" modellen for optimal dybdekontrol.

  • flux-depth-controlnet
  • flux-depth-controlnet-v2
  • flux-depth-controlnet-v3: ControlNet er trænet på 1024x1024 opløsning og fungerer for 1024x1024 opløsning, med bedre og mere realistisk version

Forbind outputtet fra denne node til "ApplyFluxControlNet" noden. Forbind også dit dybdekortbillede til billedindgangen på denne node. Dybdekortet skal være et gråtonebillede, hvor nærmere objekter er lysere og fjernere objekter er mørkere, hvilket giver FLUX-ControlNet mulighed for at tolke dybdeinformation præcist.

Du kan generere dybdekortet fra et inputbillede ved hjælp af en dybdestimeringsmodel. Her bruges "MiDaS-DepthMapPreprocessor" noden til at konvertere det indlæste billede til et dybdekort, der er egnet til FLUX-ControlNet. Nøgleparametre:

  • Threshold = 6.28 (påvirker følsomhed over for kanter)
  • Depth scale = 0.1 (mængden dybdekortværdier skaleres med)
  • Output Size = 768 (opløsning af dybdekort)

I "ApplyFluxControlNet" noden bestemmer Strength parameteren, hvor meget det genererede billede påvirkes af FLUX-ControlNet dybdekonditionering. Højere styrke vil få outputtet til at følge dybdens struktur tættere.

2. Hvordan man bruger ComfyUI FLUX-ControlNet-Canny-V3 Workflow

Processen er meget lig FLUX-ControlNet-Depth workflow. Først indlæses FLUX-ControlNet Canny modellen ved hjælp af "LoadFluxControlNet". Derefter forbindes den til "ApplyFluxControlNet" noden.

  • flux-canny-controlnet
  • flux-canny-controlnet-v2
  • flux-canny-controlnet-v3: ControlNet er trænet på 1024x1024 opløsning og fungerer for 1024x1024 opløsning, med bedre og mere realistisk version

Inputbilledet konverteres til et Canny kantkort ved hjælp af "CannyEdgePreprocessor" noden, hvilket optimerer det til FLUX-ControlNet. Nøgleparametre:

  • Low Threshold = 100 (kantintensitetstærskel)
  • High Threshold = 200 (hysteresetærskel for kanter)
  • Size = 832 (kantkortopløsning)

Det resulterende Canny kantkort forbindes til "ApplyFluxControlNet" noden. Igen, brug Strength parameteren til at kontrollere, hvor meget kantkortet påvirker FLUX-ControlNet genereringen.

3. Både for ComfyUI FLUX-ControlNet-Depth-V3 og ComfyUI FLUX-ControlNet-Canny-V3

I begge FLUX-ControlNet workflows er CLIP kodet tekstprompt forbundet til at drive billedindholdet, mens FLUX-ControlNet konditioneringen kontrollerer strukturen og geometrien baseret på dybde- eller kantkort.

Ved at kombinere forskellige FLUX-ControlNets, inputmodaliteter som dybde og kanter, og justere deres styrke, kan du opnå finjusteret kontrol over både det semantiske indhold og strukturen af de billeder, der genereres af FLUX-ControlNet.

Licens: controlnet.safetensors falder under  Non-Commercial License

Licens

Se licensfiler:

FLUX.1 [dev] modellen er licenseret af Black Forest Labs. Inc. under FLUX.1 [dev] Non-Commercial License. Copyright Black Forest Labs. Inc.

IN NO EVENT SHALL BLACK FOREST LABS, INC. BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH USE OF THIS MODEL.

Flere ComfyUI-tutorials

Vil du have flere ComfyUI-arbejdsgange?

RunComfy

© Ophavsret 2024 RunComfy. Alle rettigheder forbeholdes.

RunComfy er den førende ComfyUI platform, der tilbyder ComfyUI online miljø og tjenester, sammen med ComfyUI-arbejdsgange med fantastiske visuals.