FLUX är en ny bildgenereringsmodell utvecklad av , FLUX-ControlNet-Depth och FLUX-ControlNet-Canny-modellerna skapades av XLabs AI-teamet. Detta ComfyUI FLUX ControlNet-arbetsflöde skapades också av XLabs AI-teamet. För mer detaljer, vänligen besök . All kredit går till deras bidrag.
FLUX-modellerna är förladdade på RunComfy, namngivna flux/flux-schnell
och flux/flux-dev
.
flux-schnell, fp8
och clip t5_xxl_fp8
för att undvika minnesproblem.flux-dev, default
och en hög clip t5_xxl_fp16
.För mer detaljer, besök:
🌟Följande FLUX-ControlNet-arbetsflöde är specifikt designat för modellen.🌟
Vi presenterar två exceptionella FLUX-ControlNet-arbetsflöden: FLUX-ControlNet-Depth och FLUX-ControlNet-Canny, som var och en erbjuder unika möjligheter att förbättra din kreativa process.
FLUX-ControlNet Depth-modellen laddas först med hjälp av "LoadFluxControlNet"-noden. Välj modellen "flux-depth-controlnet.safetensors" för optimal djupkontroll.
Anslut utgången från denna nod till "ApplyFluxControlNet"-noden. Anslut även din djupkarta till bildingången på denna nod. Djupkartan bör vara en gråskalebild där närmare objekt är ljusare och avlägsna objekt är mörkare, vilket gör att FLUX-ControlNet kan tolka djupinformationen korrekt.
Du kan generera djupkartan från en inmatningsbild med hjälp av en djupestimeringsmodell. Här används "MiDaS-DepthMapPreprocessor"-noden för att konvertera den laddade bilden till en djupkarta som är lämplig för FLUX-ControlNet. Nyckelparametrar:
I "ApplyFluxControlNet"-noden bestämmer styrkeparametern hur mycket den genererade bilden påverkas av FLUX-ControlNet djupkonditionering. Högre styrka gör att utgången följer djupstrukturen mer noggrant.
Processen är mycket lik FLUX-ControlNet-Depth arbetsflöde. Först laddas FLUX-ControlNet Canny-modellen med "LoadFluxControlNet". Sedan ansluts den till "ApplyFluxControlNet"-noden.
Inmatningsbilden konverteras till en Canny kantkarta med hjälp av "CannyEdgePreprocessor"-noden, optimerad för FLUX-ControlNet. Nyckelparametrar:
Den resulterande Canny kantkartan ansluts till "ApplyFluxControlNet"-noden. Återigen, använd styrkeparametern för att kontrollera hur mycket kantkartan påverkar FLUX-ControlNet-genereringen.
I båda FLUX-ControlNet-arbetsflödena ansluts den CLIP-kodade textprompten för att driva bildinnehållet, medan FLUX-ControlNet-konditioneringen kontrollerar strukturen och geometrin baserat på djup- eller kantkartan.
Genom att kombinera olika FLUX-ControlNets, inmatningsmodaliteter som djup och kanter, och justera deras styrka, kan du uppnå finjusterad kontroll över både det semantiska innehållet och strukturen i de bilder som genereras av FLUX-ControlNet.
Licens: controlnet.safetensors faller under icke-kommersiell licens
Visa licensfiler:
FLUX.1 [dev] modellen är licensierad av Black Forest Labs. Inc. under FLUX.1 [dev] icke-kommersiell licens. Upphovsrätt Black Forest Labs. Inc.
UNDER INGA OMSTÄNDIGHETER SKALL BLACK FOREST LABS, INC. VARA ANSVARIGA FÖR NÅGOT ANSPRÅK, SKADOR ELLER ANDRA ANSVAR, VARE SIG I KONTRAKT, TORT ELLER ANNAT, SOM UPPSTÅR FRÅN, UR ELLER I SAMBAND MED ANVÄNDNINGEN AV DENNA MODELL.
© Copyright 2024 RunComfy. Alla Rättigheter Förbehållna.