ComfyUI  >  工作流程  >  FLUX ControlNet Depth-V3 和 Canny-V3

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 Depth and Canny Workflow
想要運行這個工作流程嗎?
  • 完全可操作的工作流程
  • 沒有缺失的節點或模型
  • 無需手動設置
  • 具有驚豔的視覺效果

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-schnellflux/flux-dev

  • 啟動 RunComfy 中型機器時:選擇檢查點 flux-schnell, fp8 和 clip t5_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 clip t5_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
版權 2025 RunComfy. 保留所有權利。

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。