Nunchaku Flux.1 Canny Dev

🚀 nunchaku-flux.1-canny-dev モデルカード

このリポジトリには、FLUX.1-Canny-dev のNunchaku量子化バージョンが含まれています。与えられた入力画像の構造に沿って、テキスト記述に基づいた画像を生成することができます。パフォーマンスの損失を最小限に抑えながら、効率的な推論のために最適化されています。

🚀 クイックスタート

このリポジトリは https://huggingface.co/nunchaku-tech/nunchaku-flux.1-canny-dev に移行されており、2025年12月に非表示になります。

✨ 主な機能

• 入力画像の構造に沿って、テキスト記述に基づいた画像を生成する能力を持つ。
• パフォーマンスの損失を最小限に抑えながら、効率的な推論を実現する。

📚 ドキュメント

モデル詳細

モデル説明

モデルファイル

• svdq-int4_r32-flux.1-canny-dev.safetensors: SVDQuant量子化INT4のFLUX.1-Canny-devモデル。Blackwell以外のGPU（50シリーズ以前）のユーザー向け。
• svdq-fp4_r32-flux.1-canny-dev.safetensors: SVDQuant量子化NVFP4のFLUX.1-Canny-devモデル。Blackwell GPU（50シリーズ）のユーザー向け。

モデルソース

• 推論エンジン: nunchaku
• 量子化ライブラリ: deepcompressor
• 論文: SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models
• デモ: svdquant.mit.edu

使用方法

• Diffusersの使用方法: flux.1-canny-dev.py を参照してください。より高度な使用方法については、チュートリアル を確認してください。
• ComfyUIの使用方法: nunchaku-flux.1-canny-dev.json を参照してください。

パフォーマンス

引用

@inproceedings{
  li2024svdquant,
  title={SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models},
  author={Li*, Muyang and Lin*, Yujun and Zhang*, Zhekai and Cai, Tianle and Li, Xiuyu and Guo, Junxian and Xie, Enze and Meng, Chenlin and Zhu, Jun-Yan and Han, Song},
  booktitle={The Thirteenth International Conference on Learning Representations},
  year={2025}
}

帰属通知

FLUX.1 [dev] モデルは、Black Forest Labs Inc.によってFLUX.1 [dev] 非商用ライセンスの下でライセンスされています。Copyright Black Forest Labs Inc. いかなる場合も、Black Forest Labs Inc.は、このモデルの使用に起因する、または関連するいかなる請求、損害、またはその他の責任について責任を負いません。

📄 ライセンス

このモデルは flux-1-dev-non-commercial-license の下で提供されています。