Github
Huggingface
文档FLUX.1-dev ControlNet Inpainting - Beta项目介绍
FLUX.1-dev ControlNet Inpainting - Beta项目是由阿里妈妈创意团队开发的一个图像修复模型，作为FLUX.1-dev-Controlnet-Inpainting-Alpha模型的改进版。该模型拥有多项关键增强功能，可以在更高分辨率和更精细的细节下生成图像。
最新动态
- 2024年10月16日：发布了8步FLUX.1模型的一个新版本
Turbo-Alpha，兼容当前的修复模型ControlNet。
关键增强功能
- 1024分辨率支持：该模型可以直接处理和生成1024x1024的图像，无需额外的图像放大步骤，从而提供更高质量和更详细的输出结果。
- 增强的细节生成：模型经过微调，可以更加细致地捕捉和再现修复区域的细节。
- 改善的提示控制：通过更强大的提示语解析，对生成内容提供更精确的控制。
示例展示
以下图片是使用ComfyUI工作流程生成的（点击此处下载）：
- 控制强度(
control-strength) = 1.0 - 控制结束百分比(
control-end-percent) = 1.0 - 实际CFG(
true_cfg) = 1.0
| 图像 & 提示输入 | Alpha版本 | Beta版本 |
|---|---|---|
 |  |  |
| 提示：'在木板上写几行“alimama creative”文字' | ||
 |  |  |
| 提示：'一个有大而美丽的白色翅膀的女孩' | ||
 |  |  |
| 提示：'红色头发' |
ComfyUI使用指南
可以通过下载示例ComfyUI工作流程进行尝试。
- 使用
t5xxl-FP16和flux1-dev-fp8模型进行30步推理，分辨率为1024px，H20 GPU：- GPU显存使用：27GB
- 推理时间：48秒（true_cfg=3.5），26秒（true_cfg=1）
参数调节建议
| 参数 | 推荐范围 | 影响 |
|---|---|---|
control-strength | 0.6 - 1.0 | 控制ControlNet对生成的影响。值越大，生成内容依从控制图像的程度越高。 |
controlend-percent | 0.35 - 1.0 | 决定在去噪过程中哪一步结束ControlNet的影响。较低值在后期步骤允许更多创造性自由。 |
true-cfg (无分类器引导系数) | 1.0或3.5 | 决定生成结果与提示的贴合程度。较高值增加提示贴合度但可能降低图像质量。 |
Diffusers集成
- 安装所需的diffusers版本：
pip install diffusers==0.30.2
- 克隆此仓库：
git clone https://github.com/alimama-creative/FLUX-Controlnet-Inpainting.git
- 在
main.py中配置image_path、mask_path和prompt，然后执行：
python main.py
模型规格
- 训练数据集：来自LAION2B和自有资源的1500万张图像
- 最佳推理分辨率：1024x1024
许可
我们的模型权重依据FLUX.1 [dev]非商业许可发布。
