🌊 FLUX.1-Fill-dev 양자화: 원활한 이미지 편집을 위한 고급 확산 모델

📌 개요

FLUX.1-Fill-dev 양자화는 이미지 편집을 위한 효율적인 확산 모델에서의 혁신을 나타냅니다. Black Forest Labs의 원본 아키텍처를 기반으로 GGUF 양자화를 통해 최적화되었으며, 소비자 하드웨어에서도 뛰어난 성능을 유지하면서 전문급 인페인팅 및 아웃페인팅 기능을 제공합니다.

🔑 주요 기능

• 최적화된 성능: 품질과 속도를 균형 있게 조정할 수 있는 여러 양자화 옵션(Q8, Q5_K_M, Q4_K_M)

• 다양한 편집 기능: 누락된 영역을 채우는 인페인팅과 경계를 넘어서 이미지를 확장하는 아웃페인팅 모두 뛰어남

• 원활한 통합: ComfyUI 및 기타 확산 워크플로우와 호환

• 메모리 효율성: 품질 저하 없이 모델 크기 감소

⚡ 제공되는 버전

• Q8 양자화: 최고 품질, 큰 모델 크기(고성능 GPU에 권장)

• Q5_K_M 양자화: 성능과 품질의 균형

• Q4_K_M 양자화: 가장 빠른 성능, 가장 작은 크기(저사양 하드웨어에 최적)

📁 추천 설정

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── 📄 fluxfill-dev-q8.gguf (또는 q5km 또는 q4km)
│   ├── 📂 text_encoders/
│   │   ├── 📄 clip_l.safetensors
│   │   └── 📄 t5xxl_fp8_e4m3fn.safetensors (fp16 또는 fp8 스케일링)
│   ├── 📂 vae/
│   │   └── 📄 ae.safetensors

🚀 시작하기

시스템 요구 사항

• 최소: 8GB VRAM(Q4_K_M 사용 시)

• 권장: 12GB 이상 VRAM(Q8 버전용)

• 최적: 16GB 이상 VRAM(복잡한 워크플로우용)

설치 단계

1. 원하는 양자화 버전 다운로드

2. 모델 파일을 ComfyUI/models/diffusion_models/ 디렉토리에 배치

3. Hugging Face에서 필요한 텍스트 인코더 다운로드

4. VAE를 Hugging Face에서 다운로드

참고: 하드웨어 성능에 따라 아래 T5XXL 옵션 중 하나만 선택하세요

• clip_l.safetensors - 핵심 이해 모델

• T5XXL 옵션(하나만 선택):

  • t5xxl_fp16.safetensors - 최고 품질, 높은 자원 요구

  • t5xxl_fp8_e4m3fn.safetensors - 균형 잡힌 성능

  • t5xxl_fp8_e4m3fn_scaled.safetensors - 속도 최적화

• ae.safetensors

💎 최적의 워크플로우

• 🎨 전문 인페인팅

  • FLUX.1-Fill-dev는 맥락을 완벽히 인식하며 이미지 내부 영역을 원활히 보완합니다:

    1. ComfyUI에 이미지 로드

    2. 채울 영역에 마스크 생성 또는 업로드

    3. DPM++ 2M Karras와 같은 샘플링 방법으로 20~30스텝 적용

• 🏞️ 창의적 아웃페인팅

  • 자연스러운 연속성을 유지하며 이미지의 원래 경계를 넘어서 확장:

    1. ComfyUI에 이미지 로드

    2. FluxFill 아웃페인팅 워크플로우 사용

    3. 이미지를 확장할 방향 선택

🙏 감사 인사

• 원본 FLUX.1-Fill-dev 모델을 개발한 Black Forest Labs에 특별히 감사드립니다.

👨‍💻 개발자 정보

이 워크플로우 가이드는 Abdallah Al-Swaiti가 작성했습니다:

• LinkedIn 프로필

• GitHub

• Hugging Face

추가 도구 및 업데이트는 OllamaGemini Node 확인: GitHub 저장소

✨ 창의적 비전을 한 단계 높이세요 ✨