FLUX, tarafından geliştirilen yeni bir görüntü oluşturma modelidir. FLUX-ControlNet-Depth ve FLUX-ControlNet-Canny modelleri XLabs AI ekibi tarafından oluşturulmuştur. Bu ComfyUI FLUX ControlNet iş akışı da XLabs AI ekibi tarafından oluşturulmuştur. Daha fazla bilgi için adresini ziyaret edin. Tüm kredi onların katkılarına aittir.
FLUX modelleri, RunComfy üzerinde flux/flux-schnell
ve flux/flux-dev
olarak önceden yüklenmiştir.
flux-schnell, fp8
kontrol noktasını ve t5_xxl_fp8
clip'i seçin.flux-dev, default
ve yüksek bir clip t5_xxl_fp16
seçin.Daha fazla bilgi için:
🌟Aşağıdaki FLUX-ControlNet İş Akışı, özel olarak modeli için tasarlanmıştır.🌟
FLUX-ControlNet-Depth ve FLUX-ControlNet-Canny olmak üzere iki olağanüstü FLUX-ControlNet İş Akışı sunuyoruz, her biri yaratıcı sürecinizi geliştirmek için benzersiz yetenekler sunar.
FLUX-ControlNet Depth modeli önce "LoadFluxControlNet" düğümü kullanılarak yüklenir. Optimum derinlik kontrolü için "flux-depth-controlnet.safetensors" modelini seçin.
Bu düğümün çıktısını "ApplyFluxControlNet" düğümüne bağlayın. Ayrıca, derinlik haritası görüntünüzü bu düğümün görüntü girişine bağlayın. Derinlik haritası, daha yakın nesnelerin daha parlak ve uzak nesnelerin daha karanlık olduğu bir gri tonlamalı görüntü olmalıdır, böylece FLUX-ControlNet derinlik bilgisini doğru bir şekilde yorumlayabilir.
Giriş görüntüsünden derinlik haritası oluşturmak için bir derinlik tahmin modeli kullanabilirsiniz. Burada, yüklenen görüntüyü FLUX-ControlNet için uygun bir derinlik haritasına dönüştürmek için "MiDaS-DepthMapPreprocessor" düğümü kullanılır. Ana parametreler:
"ApplyFluxControlNet" düğümünde, Strength parametresi, oluşturulan görüntünün FLUX-ControlNet derinlik koşullandırmasından ne kadar etkilendiğini belirler. Daha yüksek güç, çıktının derinlik yapısına daha sıkı bir şekilde uymasını sağlar.
Süreç, FLUX-ControlNet-Depth iş akışına çok benzerdir. İlk olarak, FLUX-ControlNet Canny modeli "LoadFluxControlNet" kullanılarak yüklenir. Daha sonra, "ApplyFluxControlNet" düğümüne bağlanır.
Giriş görüntüsü, FLUX-ControlNet için optimize edilerek "CannyEdgePreprocessor" düğümü kullanılarak bir Canny kenar haritasına dönüştürülür. Ana parametreler:
Ortaya çıkan Canny kenar haritası "ApplyFluxControlNet" düğümüne bağlanır. Yine, Strength parametresini kullanarak kenar haritasının FLUX-ControlNet üretimini ne kadar etkilediğini kontrol edin.
Her iki FLUX-ControlNet iş akışında da, CLIP kodlanmış metin istemi, görüntü içeriğini yönlendirmek için bağlanırken, FLUX-ControlNet koşullandırması derinlik veya kenar haritasına dayalı olarak yapıyı ve geometrisini kontrol eder.
Farklı FLUX-ControlNet'leri, derinlik ve kenarlar gibi giriş modlarını birleştirerek ve güçlerini ayarlayarak, FLUX-ControlNet tarafından oluşturulan görüntülerin hem anlamsal içeriği hem de yapısı üzerinde ince ayar yapma imkanı elde edebilirsiniz.
Lisans: controlnet.safetensors, Ticari Olmayan Lisans altında yer alır.
Lisans dosyalarını görüntüleyin:
FLUX.1 [dev] Modeli, Black Forest Labs. Inc. tarafından FLUX.1 [dev] Ticari Olmayan Lisans altında lisanslanmıştır. Telif hakkı Black Forest Labs. Inc.
BLACK FOREST LABS, INC. HİÇBİR DURUMDA BU MODELİN KULLANIMINDAN KAYNAKLANAN, SÖZLEŞME, HAKSIZ FİİL VEYA BAŞKA BİR ŞEKİLDE MEYDANA GELEN HERHANGİ BİR TALEP, ZARAR VEYA DİĞER SORUMLULUKLARDAN SORUMLU TUTULAMAZ.
© Telif Hakkı 2024 RunComfy. Tüm Hakları Saklıdır.