基础模型:

• black-forest-labs/FLUX.1-dev 库名称: diffusers 许可证类型: 其他 许可证名称: flux-1-dev-non-commercial-license 许可证链接: https://huggingface.co/black-forest-labs/FLUX.1-dev/blob/main/LICENSE.md 管道标签: 图像转图像 推理: 禁用 标签:
• ControlNet

⚡ Flux.1-dev: 深度控制网 ⚡

这是由Jasper研究团队开发的Flux.1-dev深度图控制网模型。

使用方法

本模型可直接与diffusers库配合使用

import torch
from diffusers.utils import load_image
from diffusers import FluxControlNetModel
from diffusers.pipelines import FluxControlNetPipeline

# 加载管道
controlnet = FluxControlNetModel.from_pretrained(
  "jasperai/Flux.1-dev-Controlnet-Depth",
  torch_dtype=torch.bfloat16
)
pipe = FluxControlNetPipeline.from_pretrained(
  "black-forest-labs/FLUX.1-dev",
  controlnet=controlnet,
  torch_dtype=torch.bfloat16
)
pipe.to("cuda")

# 加载控制图像
control_image = load_image(
  "https://huggingface.co/jasperai/Flux.1-dev-Controlnet-Depth/resolve/main/examples/depth.jpg"
)

prompt = "紫色郁金香花田中地精雕像的图像"

image = pipe(
    prompt, 
    control_image=control_image,
    controlnet_conditioning_scale=0.6,
    num_inference_steps=28, 
    guidance_scale=3.5,
    height=control_image.size[1],
    width=control_image.size[0]
).images[0]
image

💡 提示：您可以使用controlnet_aux库中的MidasDetector来计算条件映射

from controlnet_aux import MidasDetector
from diffusers.utils import load_image 

midas = MidasDetector.from_pretrained("lllyasviel/Annotators")

midas.to("cuda")

# 加载图像
im = load_image(
  "https://huggingface.co/jasperai/Flux.1-dev-Controlnet-Depth/resolve/main/examples/output.jpg"
)

depth = midas(im)

训练过程

本模型使用Clipdrop深度估计模型以及Midas、Leres等开源深度估计模型生成的深度图进行训练。

许可证

本模型遵循Flux.1-dev许可证条款。