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

FLUX ControlNet Depth-V3 & Canny-V3

Transformasikan proses kreatif Anda dengan model FLUX-ControlNet Depth dan Canny, yang dirancang untuk FLUX.1 [dev] oleh XLabs AI. Alur kerja ComfyUI ini membimbing Anda melalui pemuatan model, pengaturan parameter, dan penggabungan FLUX-ControlNets untuk kontrol yang belum pernah terjadi sebelumnya atas konten dan struktur gambar. Baik Anda menggunakan peta kedalaman atau deteksi tepi, FLUX-ControlNet memberdayakan Anda untuk menciptakan seni AI yang menakjubkan.

Alur Kerja ComfyUI FLUX-ControlNet

ComfyUI FLUX ControlNet Depth and Canny Workflow
Ingin menjalankan workflow ini?
  • Workflow yang sepenuhnya operasional
  • Tidak ada node atau model yang hilang
  • Tidak perlu pengaturan manual
  • Menampilkan visual yang menakjubkan

Contoh ComfyUI FLUX-ControlNet

Deskripsi ComfyUI FLUX-ControlNet

FLUX adalah model pembuatan gambar baru yang dikembangkan oleh , Model FLUX-ControlNet-Depth dan FLUX-ControlNet-Canny dibuat oleh tim XLabs AI. Alur kerja ComfyUI FLUX ControlNet ini juga dibuat oleh tim XLabs AI. Untuk detail lebih lanjut, silakan kunjungi . Semua kredit diberikan kepada kontribusi mereka.

Tentang FLUX

Model FLUX telah dimuat sebelumnya di RunComfy, dengan nama flux/flux-schnell dan flux/flux-dev.

  • Saat meluncurkan Mesin Ukuran Sedang RunComfy: Pilih checkpoint flux-schnell, fp8 dan clip t5_xxl_fp8 untuk menghindari masalah kehabisan memori.
  • Saat meluncurkan Mesin Ukuran Besar atau Lebih Besar RunComfy: Pilih checkpoint besar flux-dev, default dan clip tinggi t5_xxl_fp16.

Untuk detail lebih lanjut, kunjungi: 

🌟Alur Kerja FLUX-ControlNet berikut ini dirancang khusus untuk model .🌟

Tentang Alur Kerja FLUX-ControlNet (FLUX-ControlNet-Depth-V3 dan FLUX-ControlNet-Canny-V3)

Kami mempersembahkan dua Alur Kerja FLUX-ControlNet yang luar biasa: FLUX-ControlNet-Depth dan FLUX-ControlNet-Canny, masing-masing menawarkan kemampuan unik untuk meningkatkan proses kreatif Anda.

1. Cara Menggunakan Alur Kerja ComfyUI FLUX-ControlNet-Depth-V3

Model FLUX-ControlNet Depth pertama kali dimuat menggunakan node "LoadFluxControlNet". Pilih model "flux-depth-controlnet.safetensors" untuk kontrol kedalaman optimal.

  • flux-depth-controlnet
  • flux-depth-controlnet-v2
  • flux-depth-controlnet-v3: ControlNet dilatih pada resolusi 1024x1024 dan bekerja untuk resolusi 1024x1024, dengan versi yang lebih baik dan realistis

Hubungkan output dari node ini ke node "ApplyFluxControlNet". Juga, hubungkan gambar peta kedalaman Anda ke input gambar dari node ini. Peta kedalaman harus berupa gambar grayscale di mana objek yang lebih dekat lebih terang dan objek yang lebih jauh lebih gelap, memungkinkan FLUX-ControlNet untuk menafsirkan informasi kedalaman dengan akurat.

Anda dapat membuat peta kedalaman dari gambar input menggunakan model estimasi kedalaman. Di sini, node "MiDaS-DepthMapPreprocessor" digunakan untuk mengonversi gambar yang dimuat menjadi peta kedalaman yang sesuai untuk FLUX-ControlNet. Parameter kunci:

  • Threshold = 6.28 (mempengaruhi sensitivitas terhadap tepi)
  • Depth scale = 0.1 (jumlah nilai peta kedalaman yang diskalakan)
  • Output Size = 768 (resolusi peta kedalaman)

Di node "ApplyFluxControlNet", parameter Strength menentukan seberapa besar gambar yang dihasilkan dipengaruhi oleh pengkondisian kedalaman FLUX-ControlNet. Kekuatan yang lebih tinggi akan membuat output lebih sesuai dengan struktur kedalaman.

2. Cara Menggunakan Alur Kerja ComfyUI FLUX-ControlNet-Canny-V3

Prosesnya sangat mirip dengan alur kerja FLUX-ControlNet-Depth. Pertama, model FLUX-ControlNet Canny dimuat menggunakan "LoadFluxControlNet". Kemudian, dihubungkan ke node "ApplyFluxControlNet".

  • flux-canny-controlnet
  • flux-canny-controlnet-v2
  • flux-canny-controlnet-v3: ControlNet dilatih pada resolusi 1024x1024 dan bekerja untuk resolusi 1024x1024, dengan versi yang lebih baik dan realistis

Gambar input diubah menjadi peta tepi Canny menggunakan node "CannyEdgePreprocessor", mengoptimalkannya untuk FLUX-ControlNet. Parameter kunci:

  • Low Threshold = 100 (ambang intensitas tepi)
  • High Threshold = 200 (ambang histeresis untuk tepi)
  • Size = 832 (resolusi peta tepi)

Peta tepi Canny yang dihasilkan dihubungkan ke node "ApplyFluxControlNet". Sekali lagi, gunakan parameter Strength untuk mengontrol seberapa besar peta tepi mempengaruhi generasi FLUX-ControlNet.

3. Baik untuk ComfyUI FLUX-ControlNet-Depth-V3 dan ComfyUI FLUX-ControlNet-Canny-V3

Dalam kedua alur kerja FLUX-ControlNet, prompt teks yang dikodekan CLIP dihubungkan untuk menggerakkan konten gambar, sementara pengkondisian FLUX-ControlNet mengontrol struktur dan geometri berdasarkan peta kedalaman atau tepi.

Dengan menggabungkan berbagai FLUX-ControlNets, modalitas input seperti kedalaman dan tepi, dan menyetel kekuatannya, Anda dapat mencapai kontrol yang sangat detail atas konten semantik dan struktur gambar yang dihasilkan oleh FLUX-ControlNet.

Lisensi: controlnet.safetensors berada di bawah  Lisensi Non-Komersial

Lisensi

Lihat file lisensi:

Model FLUX.1 [dev] dilisensikan oleh Black Forest Labs. Inc. di bawah Lisensi Non-Komersial FLUX.1 [dev]. Hak Cipta Black Forest Labs. Inc.

DALAM HAL APAPUN BLACK FOREST LABS, INC. TIDAK BERTANGGUNG JAWAB ATAS KLAIM, KERUSAKAN, ATAU TANGGUNG JAWAB LAINNYA, BAIK DALAM TINDAKAN KONTRAK, TORT, ATAU LAINNYA, YANG TIMBUL DARI, KELUAR DARI, ATAU SEHUBUNGAN DENGAN PENGGUNAAN MODEL INI.

Lebih Banyak Tutorial ComfyUI

Ingin Lebih Banyak Workflow ComfyUI?

RunComfy

© Hak Cipta 2024 RunComfy. Seluruh Hak Cipta Dilindungi.

RunComfy adalah yang terdepan ComfyUI platform, menawarkan ComfyUI online lingkungan dan layanan, bersama dengan workflow ComfyUI menampilkan visual yang menakjubkan.