Flux Controlnet Depth Diffusers

🚀 FLUX.1-dev深度ControlNet檢查點（Diffusers版本）

本項目提供了由Xlabs AI開發的FLUX.1-dev深度ControlNet檢查點的Diffusers版本，可用於文本到圖像的生成。它基於black-forest-labs/FLUX.1-dev模型，結合了Diffusers、ControlNet等技術，能高效地實現圖像生成功能。

🚀 快速開始

本模型可以直接與Diffusers庫一起使用，以下是使用示例代碼：

import torch
from diffusers.utils import load_image
from diffusers import FluxControlNetModel
from diffusers.pipelines import FluxControlNetPipeline
from PIL import Image
import numpy as np

generator = torch.Generator(device="cuda").manual_seed(87544357)

controlnet = FluxControlNetModel.from_pretrained(
  "Xlabs-AI/flux-controlnet-depth-diffusers",
  torch_dtype=torch.bfloat16,
  use_safetensors=True,
)
pipe = FluxControlNetPipeline.from_pretrained(
  "black-forest-labs/FLUX.1-dev",
  controlnet=controlnet,
  torch_dtype=torch.bfloat16
)
pipe.to("cuda")

control_image = load_image("https://huggingface.co/Xlabs-AI/flux-controlnet-depth-diffusers/resolve/main/depth_example.png")
prompt = "photo of fashion woman in the street"

image = pipe(
    prompt,
    control_image=control_image,
    controlnet_conditioning_scale=0.7,
    num_inference_steps=25,
    guidance_scale=3.5,
    height=768,
    width=1024,
    generator=generator,
    num_images_per_prompt=1,
).images[0]

image.save("output_test_controlnet.png")

✨ 主要特性

• 文本到圖像生成：支持從文本描述生成對應的圖像。
• 結合ControlNet：通過ControlNet可以更好地控制圖像生成的過程。
• Diffusers版本：基於Diffusers庫，方便使用和集成。

📚 詳細文檔

本倉庫提供了Xlabs AI的FLUX.1-dev深度ControlNet檢查點的Diffusers版本，原始倉庫 。

📄 許可證

我們的模型權重遵循 FLUX.1 [dev] 非商業許可證。

信息表格