FLUX.1 Dev Controlnet Inpainting Beta

🚀 FLUX.1-dev ControlNet圖像修復 - 測試版

本倉庫為 alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Alpha 模型提供了一個改進的圖像修復ControlNet檢查點，該模型由阿里媽媽創意團隊開發。

✨ 主要特性

我們最新的圖像修復模型與之前的版本相比有了顯著的改進：

1. 支持1024分辨率：能夠直接處理和生成1024x1024分辨率的圖像，無需額外的放大步驟，提供更高質量和更詳細的輸出結果。
2. 增強細節生成：經過微調，能夠捕捉和重現圖像修復區域的更精細細節。
3. 改進提示控制：通過增強提示解釋，對生成內容提供更精確的控制。

📚 詳細文檔

效果展示

以下圖像是使用ComfyUI工作流（點擊此處下載）並設置以下參數生成的： control-strength = 1.0，control-end-percent = 1.0，true_cfg = 1.0

提示語: '在木板上寫幾行字 "阿里媽媽創意"'

提示語: "一個長著巨大美麗白色翅膀的女孩"

提示語: "紅頭髮"

提示語: " "

提示語: "阿爾伯特·愛因斯坦"

提示語: "帶有咖啡桌的拉韋洛戶外組合沙發套裝"

ComfyUI使用指南

下載示例ComfyUI工作流 點擊此處。

• 使用 t5xxl-FP16 和 flux1-dev-fp8 模型在1024px和H20 GPU上進行30步推理：

  • GPU內存使用量：27GB
  • 推理時間：48秒（true_cfg = 3.5），26秒（true_cfg = 1）

• 通過調整以下參數可以獲得不同的結果：

• 更全面的全圖像提示可以帶來更好的整體效果。例如，除了描述要修復的區域外，還可以描述整個圖像的背景、氛圍和風格。這種方法可以使生成結果更加和諧自然。

Diffusers集成

1. 安裝所需的diffusers版本：

pip install diffusers==0.30.2

2. 克隆此倉庫：

git clone https://github.com/alimama-creative/FLUX-Controlnet-Inpainting.git

3. 在 main.py 中配置 image_path、mask_path 和 prompt，然後執行：

python main.py

模型規格

📄 許可證

我們的模型權重遵循 FLUX.1 [dev] 非商業許可證發佈。