FLUX ControlNet Depth-V3 和 Canny-V3

FLUX 是由 Black Forest Labs 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 x-flux-comfyui。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 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：ComfyUI FLUX | 新的藝術圖像生成

🌟以下 FLUX-ControlNet 工作流程專為 FLUX.1 [dev] 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 FLUX.1 [dev] 非商業許可證

許可

查看許可文件：

flux/model_licenses/LICENSE-FLUX1-dev

flux/model_licenses/LICENSE-FLUX1-schnell

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。