Nunchaku Flux.1 Canny Dev

🚀 nunchaku-flux.1-canny-dev模型卡

本倉庫包含FLUX.1-Canny-dev的Nunchaku量化版本，能夠根據文本描述生成圖像，同時遵循給定輸入圖像的結構。它在保持性能損失最小的同時，針對高效推理進行了優化。

此倉庫已遷移至https://huggingface.co/nunchaku-tech/nunchaku-flux.1-canny-dev ，並將於2025年12月隱藏。

📚 詳細文檔

模型描述

模型文件

• svdq-int4_r32-flux.1-canny-dev.safetensors：SVDQuant量化的INT4 FLUX.1-Canny-dev模型，適用於非Blackwell GPU（50系列之前）的用戶。
• svdq-fp4_r32-flux.1-canny-dev.safetensors：SVDQuant量化的NVFP4 FLUX.1-Canny-dev模型，適用於Blackwell GPU（50系列）的用戶。

模型來源

• 推理引擎：nunchaku
• 量化庫：deepcompressor
• 論文：SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models
• 演示：svdquant.mit.edu

💻 使用示例

Diffusers使用方法

請參考flux.1-canny-dev.py。如需更高級的使用方法，請查看我們的教程。

ComfyUI使用方法

請參考nunchaku-flux.1-canny-dev.json。

📊 性能

📖 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}
}

📄 許可證

FLUX.1 [dev]模型由Black Forest Labs Inc.根據FLUX.1 [dev]非商業許可證授權。版權歸Black Forest Labs Inc.所有。在任何情況下，Black Forest Labs Inc.均不對因使用此模型而產生的任何索賠、損害或其他責任負責，無論是在合同、侵權或其他訴訟中。