High-quality Flux.1 ControlNet Union Pro Workflow

ControlNet Union Pro 具有七项功能：边缘检测（canny）、平铺（tile）、深度（depth）、模糊（blur）、姿态（pose）、灰度（gray）和低质量（low quality）。老实说，除了边缘检测、深度和姿态之外，其他几项似乎影响不大。

目前，ControlNet 最大的问题是生成图像的质量较差，输出结果常常完全无法辨认。本工作流旨在解决这一问题。

解决方案工作流：

1. 减少终端引导步数：

将终端引导步数设为 0.6–0.8，让模型在采样的最后阶段，基于早期引导自主优化图像，有助于修复无法辨认的输出结果。

2. 添加 Ultimator LoRA 模型：

使用 Ultimator LoRA 模型增强图像细节。

3. 进行二次重绘：

• 将二次重绘的去噪强度保持在 0.4 至 0.6 之间。

• 将首次采样的结果视为受损图像，使用 Flux 进行修复。

遵循此工作流，您可获得高质量的 ControlNet 控制输出。请参考提供的示例图像查看效果。

参数建议：

1. ControlNet：

• 强度：0.6–0.8

• 终端引导步数：0.6–0.8

2. 采样：

• 首次采样 CFG：1.0

• 二次采样引导：3.5

3. 尺寸：

• 确保首次采样尺寸不超过 1024。

• 输出缩放比例不超过 2 倍。

模型：

1）ShrkLab Controlnet Union Pro：https://huggingface.co/Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro/resolve/main/diffusion_pytorch_model.safetensors?download=true

2. Ultimator LoRA：

https://huggingface.co/manking/Flux.1_dev_ultimator_lora/resolve/main/FLUX-%C2%A0Ultimator-lora-enhanced_detail.safetensors?download=true

了解更多：

civitai：https://civitai.com/user/BorgesAI

bilibili：https://space.bilibili.com/402195818?spm_id_from=333.1007.0.0

Borges AI 知识库：首页

微信：black_pear