🚀 nunchaku-flux.1-depth-dev模型

本项目包含FLUX.1-Depth-dev的Nunchaku量化版本，能够根据文本描述生成图像，同时遵循给定输入图像的结构。该模型在保持性能损失最小的同时，针对高效推理进行了优化。

🚀 快速开始

本仓库已迁移至https://huggingface.co/nunchaku-tech/nunchaku-flux.1-depth-dev ，并将于2025年12月隐藏。

✨ 主要特性

• 基于文本描述生成图像，同时遵循输入图像的结构。
• 经过量化优化，在高效推理的同时保持性能。

📚 详细文档

模型详情

模型描述

模型文件

• svdq-int4_r32-flux.1-depth-dev.safetensors：SVDQuant量化的INT4 FLUX.1-Depth-dev模型，适用于非Blackwell GPU（50系列之前）的用户。
• svdq-fp4_r32-flux.1-depth-dev.safetensors：SVDQuant量化的NVFP4 FLUX.1-Depth-dev模型，适用于Blackwell GPU（50系列）的用户。

模型来源

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

使用方法

• Diffusers使用方法：请参考flux.1-depth-dev.py。更多高级用法请查看我们的教程。
• ComfyUI使用方法：请参考nunchaku-flux.1-depth-dev.json。

性能表现

引用信息

@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}
}

归属声明

FLUX.1 [dev]模型由Black Forest Labs Inc.根据FLUX.1 [dev]非商业许可证授权。版权归Black Forest Labs Inc.所有。在任何情况下，Black Forest Labs Inc.均不对因使用本模型而产生的任何索赔、损害或其他责任负责，无论是在合同、侵权或其他诉讼中。

📄 许可证

本模型使用flux-1-dev非商业许可证。