FLUX是由开发的新图像生成模型。FLUX-ControlNet-Depth和FLUX-ControlNet-Canny模型由XLabs AI团队创建。此ComfyUI FLUX ControlNet工作流程也是由XLabs AI团队创建。更多详情,请访问。所有功劳归于他们的贡献。
FLUX模型已预加载在RunComfy上,命名为flux/flux-schnell
和flux/flux-dev
。
flux-schnell, fp8
和clipt5_xxl_fp8
以避免内存不足问题。flux-dev, default
和高clipt5_xxl_fp16
。更多详情,请访问:
🌟以下FLUX-ControlNet工作流程专为模型设计。🌟
我们提供了两个出色的FLUX-ControlNet工作流程:FLUX-ControlNet-Depth和FLUX-ControlNet-Canny,每个都提供独特的能力来增强您的创作过程。
首先使用"LoadFluxControlNet"节点加载FLUX-ControlNet Depth模型。选择"flux-depth-controlnet.safetensors"模型以获得最佳深度控制。
将此节点的输出连接到"ApplyFluxControlNet"节点。还将您的深度图像连接到此节点的图像输入。深度图应为灰度图像,其中较近的物体较亮,较远的物体较暗,使FLUX-ControlNet能够准确解释深度信息。
您可以使用深度估计模型从输入图像生成深度图。在这里,使用"MiDaS-DepthMapPreprocessor"节点将加载的图像转换为适合FLUX-ControlNet的深度图。关键参数:
在"ApplyFluxControlNet"节点中,强度参数决定生成图像受FLUX-ControlNet深度条件的影响程度。较高的强度将使输出更接近深度结构。
过程与FLUX-ControlNet-Depth工作流程非常相似。首先使用"LoadFluxControlNet"加载FLUX-ControlNet Canny模型。然后将其连接到"ApplyFluxControlNet"节点。
使用"CannyEdgePreprocessor"节点将输入图像转换为Canny边缘图,使其优化用于FLUX-ControlNet。关键参数:
将生成的Canny边缘图连接到"ApplyFluxControlNet"节点。同样,使用强度参数控制边缘图对FLUX-ControlNet生成的影响程度。
在两个FLUX-ControlNet工作流程中,CLIP编码的文本提示用于驱动图像内容,而FLUX-ControlNet条件控制图像的结构和几何形状,基于深度图或边缘图。
通过结合不同的FLUX-ControlNets、输入模式(如深度和边缘)并调整其强度,您可以对FLUX-ControlNet生成的图像的语义内容和结构进行细粒度控制。
许可:controlnet.safetensors受非商业许可证约束
查看许可证文件:
FLUX.1 [dev]模型由Black Forest Labs. Inc.根据FLUX.1 [dev]非商业许可证授权。版权所有Black Forest Labs. Inc.
在任何情况下,Black Forest Labs, Inc.均不对因使用此模型而引起的任何索赔、损害或其他责任负责,无论是在合同诉讼、侵权行为或其他方面。
© 版权 2024 RunComfy. 保留所有权利。