Fluxtapoz | RF Inversion 및 스타일화

The 노드 및 관련 워크플로우는 logtd에 의해 완전히 개발되었습니다. 이 혁신적인 작업에 대해 logtd에게 모든 공로를 돌립니다. RunComfy 플랫폼에서는 그의 기여를 커뮤니티에 단순히 소개하고 있을 뿐입니다. 현재 RunComfy와 logtd 간에 공식적인 연결이나 파트너십이 없음을 명확히 밝힙니다. logtd의 작업에 깊이 감사드립니다!

Fluxtapoz - RF Inversion 및 스타일화

Fluxtapoz는 ComfyUI를 위한 강력한 맞춤형 노드 세트로, 을 활용하여 이미지 복원 및 편집을 재정의합니다. 실제 이미지를 정류 흐름 모델을 사용하여 구조화된 노이즈로 변환함으로써 Fluxtapoz는 비할 데 없는 창의적 유연성을 제공합니다. Fluxtapoz의 혁신적인 접근 방식은 시각적 요소와 편집 가능한 표현 간의 격차를 연결하여 직관적인 워크플로우 내에서 원활한 개선 및 예술적 제어를 가능하게 합니다.

1.1 Fluxtapoz 워크플로우 사용 방법?

Fluxtapoz 사용 설명:

1. load image 노드에 이미지를 업로드합니다.
2. RF Inversion 또는 스타일화 그룹을 선택합니다.
3. 필요 시 프롬프트를 입력합니다.
4. Queue를 클릭합니다.

설정이 필요 없으며, 간단히 렌더링됩니다.

1.2 Fluxtapoz - 설정 그룹

• 주 이미지를 업로드합니다 (이것은 빈 잠재 이미지의 이미지 치수로도 사용됩니다).
• 이미지의 해상도를 512, 768 또는 1024로 제한합니다. "Get Image Size and Count"에서 이미지 치수를 확인하세요.

1.3 Fluxtapoz - 메인

Fluxtapoz - RF Inversion 그룹

Fluxtapoz - 스타일화 그룹

다음의 Fluxtapoz 설정을 사용하여 변형을 시도해보세요:

Flux Forward ODE Sampler - 설정:

• Gamma - 0.5보다 낮으면 무작위 결과를, 0.5보다 높으면 원본 입력에 더 가까운 결과를 제공합니다.
• seed: 이미지 향상 프로세스의 무작위성을 제어하여 동일한 seed를 사용할 때 재현 가능한 결과를 얻을 수 있습니다.
• steps: 세부 사항을 향상시키기 위한 반복 횟수입니다. 더 많은 단계는 더 세밀한 세부 사항을 제공하지만 처리 시간이 더 필요합니다.

Flux Reverse ODE Sampler - 설정:

(동작은 Tile Controlnet과 유사하며 총 샘플러 단계에도 의존합니다)

• eta - 잠재 이미지에 대한 이미지의 강도입니다.
• start_step - 효과가 발생할 시작 단계입니다.
• end_step - 효과가 발생할 종료 단계입니다.

Ksamplers - 설정:

• seed - 이미지 향상 프로세스의 무작위성을 제어하여 동일한 seed를 사용할 때 재현 가능한 결과를 얻을 수 있습니다.
• steps - 세부 사항을 향상시키기 위한 반복 횟수입니다. 더 많은 단계는 더 세밀한 세부 사항을 제공하지만 처리 시간이 더 필요합니다.
• cfg - 분류기-프리 가이드 스케일로, 모델이 입력 가이드를 얼마나 밀접하게 따르는지를 조정합니다.
• sampler_name - 세부 사항 개선을 위한 샘플링 방법을 정의합니다.
• scheduler - 처리 중 계산 스케줄링 전략을 결정합니다.

Fluxtapoz와 RF Inversion을 통해 이미지 편집은 정밀성과 창의성의 조화를 이룹니다. Fluxtapoz로 가능한 것을 재정의하고, 정제하고, 복원하며, 변환하세요.

라이선스

라이선스 파일 보기:

FLUX.1 [dev] 모델은 Black Forest Labs. Inc.에 의해 FLUX.1 [dev] 비상업적 라이선스 하에 라이선스되었습니다. Copyright Black Forest Labs. Inc.

어떠한 경우에도 BLACK FOREST LABS, INC.는 이 모델의 사용과 관련하여 발생하는 계약, 불법행위 또는 기타 책임에 대해 어떠한 청구, 손해 또는 기타 책임을 지지 않습니다.