Flux Plus workflow（Multifunctional modularization）
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
V2.63
일부 플러그인이 업데이트되면서 일부 노드가 교체되었습니다. 이후 미세 조정을 진행하고 일부 기능을 추가했습니다.
ControlNet 블록은 이제 기본적으로 Controlnet-Upscaler 모델의 노드 시리즈를 사용하며, 이는 우수한 확대용 CN 모델입니다.
jasperai/Flux.1-dev-Controlnet-Upscaler · Hugging Face
——————————————————————————
일부 플러그인이 업데이트되어 일부 노드가 교체되었습니다. 이후 미세 조정을 수행하고 기능을 추가/조정했습니다.
ControlNet 블록은 이제 기본적으로 Controlnet-Upscaler 모델의 노드 시리즈를 사용하며, 이는 새롭게 등장한 우수한 확대용 CN 모델입니다.
https://hf-mirror.com/jasperai/Flux.1-dev-Controlnet-Upscaler
V2.5
- omost를 시뮬레이션하기 위해 JSON 구조 프롬프트를 추가했습니다.
Flux의 구조화된 프롬프트에 대한 우수한 표현력을 활용해, 사용자 정의 지시어를 통해 대형 언어 모델이 JSON 프롬프트를 생성하도록 유도합니다.
자세한 내용은 다음을 참고하세요:
Simulate OMOST (Flux+Ollama) - v1.0 | Stable Diffusion Workflows | Civitai
- 노드 모듈을 재구성하여 더 논리적이고 명확하게 구성했습니다.
——
- omost를 시뮬레이션하기 위해 JSON 구조 프롬프트를 추가했습니다.
Flux의 구조화된 프롬프트 표현력에 기반해, 사용자 정의 지시어를 통해 대형 언어 모델이 JSON 프롬프트를 생성하도록 유도합니다.
자세한 내용은 다음을 참고하세요:
Simulate OMOST (Flux+Ollama) - v1.0 | Stable Diffusion Workflows | Civitai
- 노드 모듈을 재정렬하여 더 논리적 구조로 개선했습니다.
——————————————————————————————————————
V2.3
- Flux의 IPAdapter 노드를 추가했습니다(Xlabs에서 출시한 IPAdapter는 Flux 생태계의 중요한 단계이지만, 이는 초기 모델로 효과가 그다지 좋지 않으니 단순히 시도해보세요).
XLabs-AI/flux-ip-adapter · Hugging Face
(ComfyUI/models/xlabs/IP adapters/*에 배치)
openai/clip-vit-large-patch14 · Hugging Face
(ComfyUI/models/clip_vision/*에 배치)
- ttplanet의 【Comfyui_TTP_Toolset】 확대 노드를 추가했습니다.
Amazing Flux_8Mega_Pixel_image_upscale_process - v2.0 | Stable Diffusion Workflows | Civitai
Hires Fix 기술을 사용한 확대 방법으로, TILE의 블록 방식과 유사하게 이미지를 분할하여 이미지 역추론 모델로 설명한 후 최종적으로 합성합니다. 대단하네요!
노드는 두 가지 방식으로 사용할 수 있습니다.
첫 번째는 원본 이미지의 노이즈 감소 출력을 기반으로 잠재 공간에서 확대하는 방식입니다. 그러나 확대 단계의 노이즈 감소가 낮으면 이미지가 붕괴되기 쉬우며, 일반적으로 다음과 같은 조건을 추천합니다: 2배 확대 시 노이즈 감소 0.6, 3배 확대 시 0.65, 4배 확대 시 0.7. 노이즈 감소가 지나치게 낮으면 심각한 아티팩트가 발생하며, 노이즈 감소가 0.6보다 높아지면 확대된 이미지의 내용이 크게 변할 수 있습니다.
두 번째는 초기 생성된 이미지를 인코더로 샘플링하는 방식으로, 이는 상대적으로 더 제어하기 쉽고 노이즈 감소를 0.3–0.6 사이로 낮추어도 이미지 내용이 거의 변하지 않도록 보장할 수 있습니다. 개인적으로 이 방식을 추천합니다.
저는 일반적으로 확대 모델과 Flux로 먼저 2배 확대한 후, 【Comfyui_TTP_Toolset】을 사용해 다시 2배 확대합니다. 이렇게 하면 세부 사항이 더 향상된다고 느낍니다. SDXL의 ControlNet Tile 또는 기타 확대 방식을 사전에 사용하여 최종 이미지에 세부 정보와 품질을 추가하는 것도 시도해볼 수 있습니다.
이 워크플로우 자체가 모듈화되어 있어, 각 모듈의 핵심 단계에 모두 “Set”과 “Get” 노드를 설정해두었기 때문에 다양한 조합을 시도해 최적의 경험을 찾을 수 있습니다.
- 워크플로우가 점점 커지고 있습니다. Flux 생태계는 아직 구성 중이므로, 이 워크플로우는 주로 다양한 신기능의 실험적 방향을 기록하는 목적을 가지고 있습니다. 일부 노드는 일단 유지하고 있어 비교와 테스트가 용이하도록 했습니다. 가독성과 재미는 높지만, 약간 무거운 편입니다. 일반적으로 메모리가 16GB 이하인 사용자는 이 워크플로우를 시도하지 않는 것이 좋습니다.
- Flux의 IPAdapter 노드를 추가했습니다(Xlabs에서 출시한 IPAdapter는 Flux 생태계의 중요한 단계이지만, 이는 초기 모델로 효과가 그다지 좋지 않으니 단순히 시도해보세요).
XLabs-AI/flux-ip-adapter · Hugging Face
(ComfyUI/models/xlabs/ipadapters/*에 배치)
openai/clip-vit-large-patch14 · Hugging Face
(ComfyUI/models/clip_vision/*에 배치)
- ttplanet의 【Comfyui_TTP_Toolset】 확대 노드를 추가했습니다.
Amazing Flux_8Mega_Pixel_image_upscale_process - v2.0 | Stable Diffusion Workflows | Civitai
Hires Fix 기술을 사용한 확대 방법으로, TILE의 블록 방식과 유사하게 이미지를 분할하여 이미지 역추론 모델로 설명한 후 최종적으로 합성합니다. 대단하네요!
노드는 두 가지 방식으로 사용할 수 있습니다.
첫 번째는 원본 이미지의 노이즈 감소 출력을 기반으로 잠재 공간에서 확대하는 방식입니다. 그러나 확대 단계의 노이즈 감소가 낮으면 이미지가 붕괴되기 쉬우며, 일반적으로 다음과 같은 조건을 추천합니다: 2배 확대 시 노이즈 감소 0.6, 3배 확대 시 0.65, 4배 확대 시 0.7. 노이즈 감소가 지나치게 낮으면 심각한 아티팩트가 발생하며, 노이즈 감소가 0.6보다 높아지면 확대된 이미지의 내용이 크게 변할 수 있습니다.
두 번째는 초기 생성된 이미지를 인코더로 샘플링하는 방식으로, 이는 상대적으로 더 제어하기 쉽고 노이즈 감소를 0.3–0.6 사이로 낮추어도 이미지 내용이 거의 변하지 않도록 보장할 수 있습니다. 개인적으로 이 방식을 추천합니다.
저는 일반적으로 확대 모델과 Flux로 먼저 2배 확대한 후, 【Comfyui_TTP_Toolset】을 사용해 다시 2배 확대합니다. 이렇게 하면 세부 사항이 더 향상된다고 느낍니다. SDXL의 ControlNet Tile 또는 기타 확대 방식을 사전에 사용하여 최종 이미지에 세부 정보와 품질을 추가하는 것도 시도해볼 수 있습니다.
이 워크플로우 자체가 모듈화되어 있어, 각 모듈의 핵심 단계에 모두 “Set”과 “Get” 노드를 설정해두었기 때문에 다양한 조합을 시도해 최적의 경험을 찾을 수 있습니다.
- 워크플로우가 점점 커지고 있습니다. Flux 생태계는 아직 구성 중이므로, 이 워크플로우는 주로 다양한 신기능의 실험적 방향을 기록하는 목적을 가지고 있습니다. 일부 노드는 일단 유지하고 있어 비교와 테스트가 용이하도록 했습니다. 가독성과 재미는 높지만, 약간 무거운 편입니다. 일반적으로 메모리가 16GB 이하인 사용자는 이 워크플로우를 시도하지 않는 것이 좋습니다.
V2.1
V2.1 워크플로우에서는 초강력 이미지 역추론 노드 그룹 joy_caption이 교체되었습니다. 이 노드 그룹의 모델 구조가 더 복잡하므로, GitHub 페이지의 설명을 꼼꼼히 읽어주십시오.
https://github.com/StartHua/Comfyui_CXH_joy_caption/tree/main
Flux를 이용해 고해상도 확대 이미지를 생성할 때, NF4-V2 모델을 선택합니다.
——————————————————
V2.1 워크플로우에서는 초강력 이미지 역추론 노드 그룹 joy_caption이 교체되었습니다. 이 노드 그룹의 모델 구성이 복잡하므로, GitHub 페이지의 설명을 꼼꼼히 읽어주십시오.
https://github.com/StartHua/Comfyui_CXH_joy_caption/tree/main
Flux를 이용해 고해상도 확대 이미지를 생성할 때, NF4-V2 모델을 선택합니다.
V1
다기능, 모듈화된 Flux 워크플로우입니다.
Flux의 일반적인 작동을 제공할 뿐만 아니라, 생성된 이미지의 품질은 우수하지만 콘텐츠의 예술적 미학이 단순하고 고정되어 있다는 문제를 해결하기 위해 Pixart 및 SDXL 워크플로우를 도입했습니다.
- Flux 모델의 일반적인 이미지 생성 프로세스를 실행하고, 현재 출시된 Flux LoRA 및 Flux ControlNet 기능을 추가할 수 있으며, 얼굴을 세밀하게 조정한 후 Flux 모델로 다시 그려 고해상도 확대를 실현할 수 있습니다.
FLUX - Dev | Stable Diffusion Checkpoint | Civitai
ControlNet 및 IPAdapter를 포함하는 전통적인 SDXL 프로세스를 추가하여 세부사항 복구 및 고해상도 확대를 실현할 수 있으며, 고해상도 복구에는 Kolors 재생성 확대를 대안으로 제공합니다.
화웨이에서 출시한 Pixart 900 모델의 이미지 생성 프로세스를 추가했습니다. ControlNet 등의 생태계는 없지만, 이 모델은 뛰어난 예술성과 콘텐츠 다양성을 지닙니다. Flux 이미지 복구를 통해 화질의 약점을 보완할 수 있습니다.
900M PixArt Sigma - base | Stable Diffusion Checkpoint | Civitai
- 프롬프트는 Ollama 노드를 사용하여 LLM 대형 모델의 문장을 다듬을 수 있으며, 이미지 역추론을 통해 프롬프트를 생성하는 데에도 활용할 수 있습니다.
https://ollama.com/ 웹사이트에서 Ollama를 다운로드해야 합니다. 설치는 매우 간단합니다. 설치 후 키보드에서 Win+R을 입력해 실행 대화상자를 열고, CMD를 입력해 명령 프롬프트 창을 여신 후 “ollama run llama3.1”을 입력하면 모델이 자동으로 다운로드됩니다. 위 웹사이트에서 다른 모델도 시도해볼 수 있습니다. 기본적으로 모델은 C 드라이브에 다운로드되며, 경로를 변경하려면 시스템 변수에 OLLAMA_MODELS를 추가하고 직접 경로를 지정해야 합니다.
SDXL 또는 Pixart로 이미지를 생성 → Flux로 이미지 재생성 복구 → SDXL 모델로 세부 복구 → 고해상도 확대라는 프로세스를 연결하여 이미지 품질을 향상시킵니다.
워크플로우는 모듈화되어 있어 프로세스가 완전히 고정되지 않습니다. “Set/Get” 노드 기능을 통해 다른 모듈 간 이미지 생성 논리를 전환하고, 다양한 조합을 스스로 탐색할 수 있습니다.
워크플로우의 각 기능은 노드 그룹으로 구성되어 있으며 설명이 포함되어 있습니다. 사용 전 반드시 읽어보세요. 빈 공간을 마우스 오른쪽 클릭 후 【관리 그룹(easy use)】를 선택하여 노드 그룹을 활성화하거나 무시하고, 필요에 따라 사용하세요.
- ComfyUI를 업데이트해 주세요.
———
다기능, 모듈화된 Flux 워크플로우입니다.
Flux의 일반적인 작동을 제공할 뿐만 아니라, 생성된 이미지의 품질은 우수하지만 콘텐츠의 예술적 미학이 단순하고 고정되어 있다는 문제를 해결하기 위해 Pixart 및 SDXL 워크플로우를 도입했습니다.
- Flux 모델의 일반적인 이미지 생성 프로세스를 실행하고, 현재 출시된 Flux LoRA 및 Flux ControlNet 기능을 추가할 수 있으며, 얼굴을 세밀하게 조정한 후 Flux 모델로 다시 그려 고해상도 확대를 실현할 수 있습니다.
FLUX - Dev | Stable Diffusion Checkpoint | Civitai
ControlNet 및 IPAdapter를 포함하는 전통적인 SDXL 프로세스를 추가하여 세부사항 복구 및 고해상도 확대를 실현할 수 있으며, 고해상도 복구에는 Kolors 재생성 확대를 대안으로 제공합니다.
화웨이에서 출시한 Pixart 900 모델의 이미지 생성 프로세스를 추가했습니다. ControlNet 등의 생태계는 없지만, 이 모델은 뛰어난 예술성과 콘텐츠 다양성을 지닙니다. Flux 이미지 복구를 통해 화질의 약점을 보완할 수 있습니다.
900M PixArt Sigma - base | Stable Diffusion Checkpoint | Civitai
- 프롬프트는 Ollama 노드를 사용하여 LLM 대형 모델의 문장을 다듬을 수 있으며, 이미지 역추론을 통해 프롬프트를 생성하는 데에도 활용할 수 있습니다.
https://ollama.com/ 웹사이트에서 Ollama를 다운로드해야 합니다. 설치는 매우 간단합니다. 설치 후 키보드에서 Win+R을 입력해 실행 대화상자를 열고, CMD를 입력해 명령 프롬프트 창을 여신 후 “ollama run llama3.1”을 입력하면 모델이 자동으로 다운로드됩니다. 위 웹사이트에서 다른 모델도 시도해볼 수 있습니다. 기본적으로 모델은 C 드라이브에 다운로드되며, 경로를 변경하려면 시스템 변수에 OLLAMA_MODELS를 추가하고 직접 경로를 지정해야 합니다.
SDXL 또는 Pixart로 이미지를 생성 → Flux로 이미지 재생성 복구 → SDXL 모델로 세부 복구 → 고해상도 확대라는 프로세스를 연결하여 이미지 품질을 향상시킵니다.
워크플로우는 모듈화되어 있어 프로세스가 완전히 고정되지 않습니다. “Set/Get” 노드 기능을 통해 다른 모듈 간 이미지 생성 논리를 전환하고, 다양한 조합을 스스로 탐색할 수 있습니다.
워크플로우의 각 기능은 노드 그룹으로 구성되어 있으며 설명이 포함되어 있습니다. 사용 전 반드시 읽어보세요. 빈 공간을 마우스 오른쪽 클릭 후 【관리 그룹(easy use)】를 선택하여 노드 그룹을 활성화하거나 무시하고, 필요에 따라 사용하세요.
- ComfyUI를 업데이트해 주세요.