FLUX ControlNet Depth-V3 和 Canny-V3
使用專為 FLUX.1 [dev] 設計的 FLUX-ControlNet Depth 和 Canny 模型改變您的創作過程。此 ComfyUI 工作流程引導您加載模型、設置參數並結合 FLUX-ControlNets,實現對圖像內容和結構的前所未有的控制。無論您是使用深度圖還是邊緣檢測,FLUX-ControlNet 都能讓您創造出令人驚豔的 AI 藝術。ComfyUI FLUX-ControlNet 工作流程
ComfyUI FLUX-ControlNet 範例
ComfyUI FLUX-ControlNet 說明
FLUX 是由 開發的新圖像生成模型,FLUX-ControlNet-Depth 和 FLUX-ControlNet-Canny 模型由 XLabs AI 團隊創建。此 ComfyUI FLUX ControlNet 工作流程也由 XLabs AI 團隊創建。詳細資訊,請訪問 。所有貢獻的功勞歸於他們。
關於 FLUX
FLUX 模型已預載於 RunComfy,名稱為 flux/flux-schnell
和 flux/flux-dev
。
- 啟動 RunComfy 中型機器時:選擇檢查點
flux-schnell, fp8
和 clipt5_xxl_fp8
以避免記憶體不足問題。 - 啟動 RunComfy 大型或以上機器時:選擇大型檢查點
flux-dev, default
和高 clipt5_xxl_fp16
。
詳細資訊,請訪問:
🌟以下 FLUX-ControlNet 工作流程專為 模型設計。🌟
關於 FLUX-ControlNet 工作流程 (FLUX-ControlNet-Depth-V3 和 FLUX-ControlNet-Canny-V3)
我們提供兩個卓越的 FLUX-ControlNet 工作流程:FLUX-ControlNet-Depth 和 FLUX-ControlNet-Canny,各自提供獨特的功能來增強您的創作過程。
1. 如何使用 ComfyUI FLUX-ControlNet-Depth-V3 工作流程
首先使用 "LoadFluxControlNet" 節點加載 FLUX-ControlNet Depth 模型。選擇 "flux-depth-controlnet.safetensors" 模型以獲得最佳深度控制。
- flux-depth-controlnet
- flux-depth-controlnet-v2
- flux-depth-controlnet-v3:ControlNet 在 1024x1024 分辨率下訓練,適用於 1024x1024 分辨率,具有更好的現實版本
將此節點的輸出連接到 "ApplyFluxControlNet" 節點。還要將您的深度圖像連接到此節點的圖像輸入。深度圖應為灰度圖像,靠近的物體較亮,遠處的物體較暗,允許 FLUX-ControlNet 精確地解釋深度資訊。
您可以使用深度估計模型從輸入圖像生成深度圖。在這裡,使用 "MiDaS-DepthMapPreprocessor" 節點將加載的圖像轉換為適合 FLUX-ControlNet 的深度圖。關鍵參數:
- 閾值 = 6.28(影響對邊緣的敏感度)
- 深度比例 = 0.1(深度圖值的縮放量)
- 輸出大小 = 768(深度圖的分辨率)
在 "ApplyFluxControlNet" 節點中,強度參數決定生成的圖像受 FLUX-ControlNet 深度調節的影響程度。較高的強度將使輸出更接近於深度結構。
2. 如何使用 ComfyUI FLUX-ControlNet-Canny-V3 工作流程
過程與 FLUX-ControlNet-Depth 工作流程非常相似。首先使用 "LoadFluxControlNet" 加載 FLUX-ControlNet Canny 模型。然後,將其連接到 "ApplyFluxControlNet" 節點。
- flux-canny-controlnet
- flux-canny-controlnet-v2
- flux-canny-controlnet-v3:ControlNet 在 1024x1024 分辨率下訓練,適用於 1024x1024 分辨率,具有更好的現實版本
使用 "CannyEdgePreprocessor" 節點將輸入圖像轉換為 Canny 邊緣圖,優化其用於 FLUX-ControlNet。關鍵參數:
- 低閾值 = 100(邊緣強度閾值)
- 高閾值 = 200(邊緣的滯後閾值)
- 大小 = 832(邊緣圖分辨率)
將生成的 Canny 邊緣圖連接到 "ApplyFluxControlNet" 節點。同樣,使用強度參數控制邊緣圖對 FLUX-ControlNet 生成的影響。
3. 適用於 ComfyUI FLUX-ControlNet-Depth-V3 和 ComfyUI FLUX-ControlNet-Canny-V3
在兩個 FLUX-ControlNet 工作流程中,CLIP 編碼的文本提示被連接以驅動圖像內容,而 FLUX-ControlNet 調節則基於深度或邊緣圖控制結構和幾何形狀。
通過結合不同的 FLUX-ControlNets、輸入模態如深度和邊緣,並調整其強度,您可以實現對 FLUX-ControlNet 生成的圖像的語義內容和結構的精細控制。
許可證:controlnet.safetensors 遵循 非商業許可證
許可
查看許可文件:
FLUX.1 [dev] 模型由 Black Forest Labs. Inc. 根據 FLUX.1 [dev] 非商業許可證授權。版權所有 Black Forest Labs. Inc.
在任何情況下,Black Forest Labs, Inc. 不對任何索賠、損害或其他責任承擔責任,無論是合同、侵權或其他原因,均因使用此模型而產生或與之相關。
更多ComfyUI教程
想要更多 ComfyUI 工作流程嗎?
RunComfy 是首選的 ComfyUI 平台,提供 ComfyUI 在線 環境和服務,以及 ComfyUI 工作流程 具有驚豔的視覺效果。 RunComfy還提供 AI Playground, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。