Flux.1 dev Inpaint Enhanced Workflow

这是一个无缝且精准的增强修复工作流——Flux.1 dev 增强修复工作流。

与阿里妈妈工作室的默认工作流相比，本工作流主要有三项改进：

1. 文本编码器更换：

我将clip-L文本编码器替换为ViT-L-14-TEXT-detail-improved-hiT-GmP-HF文本编码器。

ViT-L-14-TEXT-detail-improved-hiT-GmP-HF 是 CLIP 模型的改进版本，具有以下特性：

• 高准确率：该模型在 ImageNet/ObjectNet 上的准确率约为 0.90，显著优于原始 OpenAI CLIP 模型（约 0.85）。

• 几何参数化（GmP）：通过该技术，模型在处理图像和文本细节方面表现更优。

• 增强的文本细节处理能力：该模型经过专门优化，可更有效地处理文本细节，从而在文本-图像匹配任务中表现更出色。

这些改进使 ViT-L-14-TEXT-detail-improved-hiT-GmP-HF 模型在图像分类和文本匹配等任务中更加准确高效。

请下载 ViT-L-14-TEXT-detail-improved-hiT-GmP-HF.safetensors 并将其放入 models/clip 文件夹中。

2. 涂鸦参考区域与 optional_context 掩码：

添加涂鸦参考区域并集成 optional_context 掩码 可显著提升图像融合效果。

optional_context 掩码 是 ViT-L-14-TEXT-detail-improved-hiT-GmP-HF 模型内置的一项功能，可实现对文本与图像数据更灵活、更精细的处理。通过使用该掩码，模型能够有选择性地聚焦于输入数据的特定部分，从而提升其对细节描述的理解与生成能力。

• 左侧涂鸦 表示需要修改的区域。

• 右侧涂鸦 作为重绘的参考区域。

3. Hyper Flux.1 dev 8步 LoRA 模型：

您可选择使用 Hyper Flux.1 dev 8steps LoRA 模型，并将迭代步数设为 8。默认情况下，该功能关闭，使用 28 步。

下载 Hyper-FLUX.1-dev-8steps-lora.safetensors 并将其放入 models/loras 文件夹中。