FLUX เป็นโมเดลการสร้างภาพใหม่ที่พัฒนาโดย , โมเดล FLUX-ControlNet-Depth และ FLUX-ControlNet-Canny ถูกสร้างขึ้นโดยทีม XLabs AI เวิร์กโฟลว์ ComfyUI FLUX ControlNet นี้ถูกสร้างขึ้นโดยทีม XLabs AI เช่นกัน สำหรับรายละเอียดเพิ่มเติม กรุณาเยี่ยมชม เครดิตทั้งหมดเป็นของพวกเขา
โมเดล FLUX ถูกโหลดไว้ล่วงหน้าใน RunComfy ในชื่อ flux/flux-schnell
และ flux/flux-dev
flux-schnell, fp8
และคลิป t5_xxl_fp8
เพื่อหลีกเลี่ยงปัญหาหน่วยความจำไม่เพียงพอflux-dev, default
และคลิปสูง t5_xxl_fp16
สำหรับรายละเอียดเพิ่มเติม เยี่ยมชม:
🌟เวิร์กโฟลว์ FLUX-ControlNet ต่อไปนี้ออกแบบมาเฉพาะสำหรับโมเดล 🌟
เรานำเสนอเวิร์กโฟลว์ FLUX-ControlNet ที่ยอดเยี่ยมสองแบบ: FLUX-ControlNet-Depth และ FLUX-ControlNet-Canny แต่ละแบบมีความสามารถเฉพาะในการเพิ่มความสร้างสรรค์ของคุณ
โมเดล FLUX-ControlNet Depth ถูกโหลดครั้งแรกโดยใช้โหนด "LoadFluxControlNet" เลือกโมเดล "flux-depth-controlnet.safetensors" เพื่อควบคุมความลึกได้อย่างเหมาะสม
เชื่อมต่อผลลัพธ์ของโหนดนี้กับโหนด "ApplyFluxControlNet" และเชื่อมต่อภาพแผนที่เชิงลึกของคุณกับอินพุตภาพของโหนดนี้ แผนที่เชิงลึกควรเป็นภาพเกรย์สเกลที่วัตถุใกล้สว่างขึ้นและวัตถุไกลมืดลง ทำให้ FLUX-ControlNet สามารถตีความข้อมูลเชิงลึกได้อย่างถูกต้อง
คุณสามารถสร้างแผนที่เชิงลึกจากภาพอินพุตโดยใช้โมเดลการประมาณความลึก ที่นี่ใช้โหนด "MiDaS-DepthMapPreprocessor" เพื่อแปลงภาพที่โหลดเป็นแผนที่เชิงลึกที่เหมาะสมสำหรับ FLUX-ControlNet พารามิเตอร์หลัก:
ในโหนด "ApplyFluxControlNet" พารามิเตอร์ Strength กำหนดว่าภาพที่สร้างขึ้นจะได้รับผลกระทบจากการปรับสภาพเชิงลึกของ FLUX-ControlNet มากน้อยเพียงใด ความแรงที่สูงขึ้นจะทำให้ผลลัพธ์ยึดติดกับโครงสร้างเชิงลึกมากขึ้น
กระบวนการนี้คล้ายกับเวิร์กโฟลว์ FLUX-ControlNet-Depth มาก โมเดล FLUX-ControlNet Canny ถูกโหลดครั้งแรกโดยใช้ "LoadFluxControlNet" จากนั้นเชื่อมต่อกับโหนด "ApplyFluxControlNet"
ภาพอินพุตถูกแปลงเป็นแผนที่ขอบ Canny โดยใช้โหนด "CannyEdgePreprocessor" เพื่อให้เหมาะสมกับ FLUX-ControlNet พารามิเตอร์หลัก:
แผนที่ขอบ Canny ที่ได้จะเชื่อมต่อกับโหนด "ApplyFluxControlNet" อีกครั้ง ใช้พารามิเตอร์ Strength เพื่อควบคุมว่าภาพที่สร้างขึ้นจะได้รับผลกระทบจากแผนที่ขอบมากน้อยเพียงใด
ในทั้งสองเวิร์กโฟลว์ FLUX-ControlNet, ข้อความ CLIP ที่เข้ารหัสจะเชื่อมต่อเพื่อควบคุมเนื้อหาของภาพ ในขณะที่การปรับสภาพ FLUX-ControlNet จะควบคุมโครงสร้างและเรขาคณิตตามแผนที่เชิงลึกหรือขอบ
โดยการรวม FLUX-ControlNets ต่างๆ, รูปแบบอินพุตเช่นความลึกและขอบ และการปรับความแรง คุณสามารถควบคุมรายละเอียดทั้งเนื้อหาความหมายและโครงสร้างของภาพที่สร้างขึ้นโดย FLUX-ControlNet ได้อย่างละเอียด
ใบอนุญาต: controlnet.safetensors อยู่ภายใต้ Non-Commercial License
ดูไฟล์ใบอนุญาต:
โมเดล FLUX.1 [dev] ได้รับใบอนุญาตจาก Black Forest Labs. Inc. ภายใต้ FLUX.1 [dev] Non-Commercial License ลิขสิทธิ์ Black Forest Labs. Inc.
ในกรณีใด ๆ Black Forest Labs, Inc. จะไม่รับผิดชอบต่อการเรียกร้อง ความเสียหาย หรือความรับผิดอื่น ๆ ไม่ว่าจะในกรณีของสัญญา การละเมิด หรืออื่น ๆ ที่เกิดขึ้นจากหรือเกี่ยวข้องกับการใช้โมเดลนี้
© ลิขสิทธิ์ 2024 RunComfy. สงวนลิขสิทธิ์