FLUX-Advanced-Img2Img workflow. Rectified flow Inversion [RF inversion] [Ref2Img] - V2
详情
下载文件
关于此版本
模型描述
这是一个基于谷歌校正流反演的ComfyUI高级Img2Img工作流。它允许您仅通过提示词来更改图像、转移风格、图像修复、人脸替换等,无需手动图像修复或ControlNet。
简化来说:想象一个基础的img2img工作流,您发送输入图像 -> 从中生成随机噪声 -> 将其送入采样器以获得输出图像。但在此工作流中,您可以根据设置控制从输入图像生成的噪声类型。例如,您可以仅修改图像的某一部分(图像修复),或转移图像风格(ip-adapter)。
其流程如下:输入图像 -> 通过“反采样”将图像转化为噪声(附带额外的“文本注意力掩码”,即img2noise反采样器的提示输入。即使不提供提示词,它也能正常工作,但您可以指定希望在去噪时被“遮罩”的图像区域)-> 反采样生成的噪声送入采样器,最终输出经反采样噪声编辑过的图像。
换句话说,这几乎与基础img2img工作流相同,但增加了一个“反采样”步骤,以提供更可控的噪声。[输入 图像 -> 反采样器(可选提示)-> 采样器(标准提示)-> 输出 图像]
我建议使用Hyper和Turbo合并模型,或Flux的LoRA,这样您无需进行282步,只需122步即可获得相似质量。
GitHub - logtd/ComfyUI-Fluxtapoz: ComfyUI中用于Flux的图像并置节点
一些YouTube资源:
(1) 使用ComfyUI在数秒内实现Turbo驱动的反采样与Flux.1图像修复! - YouTube
(1) 谷歌RF反演:仅用提示词进行图像编辑! - YouTube
更多说明已在工作流内部提供。















