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

FLUX ControlNet Depth-V3 & Canny-V3

เปลี่ยนกระบวนการสร้างสรรค์ของคุณด้วยโมเดล FLUX-ControlNet Depth และ Canny ที่ออกแบบมาสำหรับ FLUX.1 [dev] โดย XLabs AI เวิร์กโฟลว์ ComfyUI นี้จะแนะนำคุณเกี่ยวกับการโหลดโมเดล การตั้งค่าพารามิเตอร์ และการรวม FLUX-ControlNets เพื่อควบคุมเนื้อหาและโครงสร้างของภาพได้อย่างไม่เคยมีมาก่อน ไม่ว่าคุณจะใช้แผนที่เชิงลึกหรือการตรวจจับขอบ FLUX-ControlNet จะช่วยให้คุณสร้างงานศิลปะ AI ที่น่าทึ่ง

ComfyUI FLUX-ControlNet เวิร์กโฟลว์

ComfyUI FLUX ControlNet Depth and Canny Workflow
ต้องการเรียกใช้เวิร์กโฟลว์นี้หรือไม่?
  • เวิร์กโฟลว์ที่ทำงานได้เต็มที่
  • ไม่มีโหนดหรือโมเดลที่ขาดหายไป
  • ไม่จำเป็นต้องตั้งค่าด้วยตนเอง
  • มีภาพที่น่าทึ่ง

ComfyUI FLUX-ControlNet ตัวอย่าง

ComfyUI FLUX-ControlNet คำอธิบาย

FLUX เป็นโมเดลการสร้างภาพใหม่ที่พัฒนาโดย , โมเดล FLUX-ControlNet-Depth และ FLUX-ControlNet-Canny ถูกสร้างขึ้นโดยทีม XLabs AI เวิร์กโฟลว์ ComfyUI FLUX ControlNet นี้ถูกสร้างขึ้นโดยทีม XLabs AI เช่นกัน สำหรับรายละเอียดเพิ่มเติม กรุณาเยี่ยมชม เครดิตทั้งหมดเป็นของพวกเขา

เกี่ยวกับ FLUX

โมเดล FLUX ถูกโหลดไว้ล่วงหน้าใน RunComfy ในชื่อ flux/flux-schnell และ flux/flux-dev

  • เมื่อเปิดใช้ RunComfy Medium-Sized Machine: เลือกเช็คพอยต์ flux-schnell, fp8 และคลิป t5_xxl_fp8 เพื่อหลีกเลี่ยงปัญหาหน่วยความจำไม่เพียงพอ
  • เมื่อเปิดใช้ RunComfy Large-Sized or Above Machine: เลือกเช็คพอยต์ขนาดใหญ่ flux-dev, default และคลิปสูง t5_xxl_fp16

สำหรับรายละเอียดเพิ่มเติม เยี่ยมชม: 

🌟เวิร์กโฟลว์ FLUX-ControlNet ต่อไปนี้ออกแบบมาเฉพาะสำหรับโมเดล 🌟

เกี่ยวกับ FLUX-ControlNet Workflow (FLUX-ControlNet-Depth-V3 และ FLUX-ControlNet-Canny-V3)

เรานำเสนอเวิร์กโฟลว์ FLUX-ControlNet ที่ยอดเยี่ยมสองแบบ: FLUX-ControlNet-Depth และ FLUX-ControlNet-Canny แต่ละแบบมีความสามารถเฉพาะในการเพิ่มความสร้างสรรค์ของคุณ

1. วิธีใช้เวิร์กโฟลว์ ComfyUI FLUX-ControlNet-Depth-V3

โมเดล FLUX-ControlNet Depth ถูกโหลดครั้งแรกโดยใช้โหนด "LoadFluxControlNet" เลือกโมเดล "flux-depth-controlnet.safetensors" เพื่อควบคุมความลึกได้อย่างเหมาะสม

  • flux-depth-controlnet
  • flux-depth-controlnet-v2
  • flux-depth-controlnet-v3: ControlNet ถูกฝึกที่ความละเอียด 1024x1024 และทำงานที่ความละเอียด 1024x1024 ด้วยเวอร์ชันที่ดีกว่าและสมจริงกว่า

เชื่อมต่อผลลัพธ์ของโหนดนี้กับโหนด "ApplyFluxControlNet" และเชื่อมต่อภาพแผนที่เชิงลึกของคุณกับอินพุตภาพของโหนดนี้ แผนที่เชิงลึกควรเป็นภาพเกรย์สเกลที่วัตถุใกล้สว่างขึ้นและวัตถุไกลมืดลง ทำให้ FLUX-ControlNet สามารถตีความข้อมูลเชิงลึกได้อย่างถูกต้อง

คุณสามารถสร้างแผนที่เชิงลึกจากภาพอินพุตโดยใช้โมเดลการประมาณความลึก ที่นี่ใช้โหนด "MiDaS-DepthMapPreprocessor" เพื่อแปลงภาพที่โหลดเป็นแผนที่เชิงลึกที่เหมาะสมสำหรับ FLUX-ControlNet พารามิเตอร์หลัก:

  • Threshold = 6.28 (มีผลต่อความไวต่อขอบ)
  • Depth scale = 0.1 (ค่าที่แผนที่เชิงลึกถูกปรับขนาด)
  • Output Size = 768 (ความละเอียดของแผนที่เชิงลึก)

ในโหนด "ApplyFluxControlNet" พารามิเตอร์ Strength กำหนดว่าภาพที่สร้างขึ้นจะได้รับผลกระทบจากการปรับสภาพเชิงลึกของ FLUX-ControlNet มากน้อยเพียงใด ความแรงที่สูงขึ้นจะทำให้ผลลัพธ์ยึดติดกับโครงสร้างเชิงลึกมากขึ้น

2. วิธีใช้เวิร์กโฟลว์ ComfyUI FLUX-ControlNet-Canny-V3

กระบวนการนี้คล้ายกับเวิร์กโฟลว์ FLUX-ControlNet-Depth มาก โมเดล FLUX-ControlNet Canny ถูกโหลดครั้งแรกโดยใช้ "LoadFluxControlNet" จากนั้นเชื่อมต่อกับโหนด "ApplyFluxControlNet"

  • flux-canny-controlnet
  • flux-canny-controlnet-v2
  • flux-canny-controlnet-v3: ControlNet ถูกฝึกที่ความละเอียด 1024x1024 และทำงานที่ความละเอียด 1024x1024 ด้วยเวอร์ชันที่ดีกว่าและสมจริงกว่า

ภาพอินพุตถูกแปลงเป็นแผนที่ขอบ Canny โดยใช้โหนด "CannyEdgePreprocessor" เพื่อให้เหมาะสมกับ FLUX-ControlNet พารามิเตอร์หลัก:

  • Low Threshold = 100 (เกณฑ์ความเข้มของขอบ)
  • High Threshold = 200 (เกณฑ์ฮิสเทรีซิสสำหรับขอบ)
  • Size = 832 (ความละเอียดของแผนที่ขอบ)

แผนที่ขอบ Canny ที่ได้จะเชื่อมต่อกับโหนด "ApplyFluxControlNet" อีกครั้ง ใช้พารามิเตอร์ Strength เพื่อควบคุมว่าภาพที่สร้างขึ้นจะได้รับผลกระทบจากแผนที่ขอบมากน้อยเพียงใด

3. ทั้งสำหรับ ComfyUI FLUX-ControlNet-Depth-V3 และ ComfyUI FLUX-ControlNet-Canny-V3

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

ใบอนุญาต

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

บทเรียน ComfyUI เพิ่มเติม

ต้องการเวิร์กโฟลว์ ComfyUI เพิ่มเติมหรือไม่?

RunComfy

© ลิขสิทธิ์ 2024 RunComfy. สงวนลิขสิทธิ์

RunComfy เป็นผู้นำ ComfyUI แพลตฟอร์มที่นำเสนอ ComfyUI ออนไลน์ สภาพแวดล้อมและบริการ พร้อมด้วย เวิร์กโฟลว์ ComfyUI ที่มีภาพที่น่าทึ่ง