之前 InstantX 团队做的多合一的 Flux ControlNet 现在开始和 ShakkerAI 合作并推出了：Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro
该模型支持 7 种控制模式，包括 canny (0), tile (1), depth (2), blur (3), pose (4), gray (5) 和 low quality (6)，并且还能和其他 ControlNet 一起使用。
模型卡片
该 checkpoint 是 FLUX.1-dev-Controlnet-Union 的专业版，经过更多步骤和数据集的训练。 该模型支持 7 种控制模式，包括 canny (0)、tile (1)、depth (2)、blur (3)、pose (4)、gray (5)、low quality (6)。 建议 controlnet_conditioning_scale 为 0.3-0.8。 该模型可与其他 ControlNets 共同使用。效果
Multi-Controls 推理
import torch
from diffusers.utils import load_image
from diffusers import FluxControlNetPipeline, FluxControlNetModel, FluxMultiControlNetModel
base_model = 'black-forest-labs/FLUX.1-dev'
controlnet_model_union = 'Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro'
controlnet_union = FluxControlNetModel.from_pretrained(controlnet_model_union, torch_dtype=torch.bfloat16)
controlnet = FluxMultiControlNetModel([controlnet_union]) # we always recommend loading via FluxMultiControlNetModel
pipe = FluxControlNetPipeline.from_pretrained(base_model, controlnet=controlnet, torch_dtype=torch.bfloat16)
pipe.to("cuda")
prompt = 'A bohemian-style female travel blogger with sun-kissed skin and messy beach waves.'
control_image_depth = load_image("https://huggingface.co/Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro/resolve/main/assets/depth.jpg")
control_mode_depth = 2
control_image_canny = load_image("https://huggingface.co/Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro/resolve/main/assets/canny.jpg")
control_mode_canny = 0
width, height = control_image.size
image = pipe(
prompt,
control_image=[control_image_depth, control_image_canny],
control_mode=[control_mode_depth, control_mode_canny],
width=width,
height=height,
controlnet_conditioning_scale=[0.2, 0.4],
num_inference_steps=24,
guidance_scale=3.5,
generator=torch.manual_seed(42),
).images[0]
我们还支持像以前一样加载多个控制网。
from diffusers import FluxControlNetModel, FluxMultiControlNetModel
controlnet_model_union = 'Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro'
controlnet_union = FluxControlNetModel.from_pretrained(controlnet_model_union, torch_dtype=torch.bfloat16)
controlnet_model_depth = 'Shakker-Labs/FLUX.1-dev-Controlnet-Depth'
controlnet_depth = FluxControlNetModel.from_pretrained(controlnet_model_depth, torch_dtype=torch.bfloat16)
controlnet = FluxMultiControlNetModel([controlnet_union, controlnet_depth])
# set mode to None for other ControlNets
control_mode=[2, None]
资料
InstantX/FLUX.1-dev-Controlnet-Canny Shakker-Labs/FLUX.1-dev-ControlNet-Depth Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro总结
总结文章：InstantX 团队与 ShakkerAI 合作，推出了 FLUX.1-dev-ControlNet-Union-Pro 模型，该模型是 FLUX.1-dev 基础控制网的一个增强版集合模型。该专业版模型支持多达7种控制模式，包括边缘检测（canny）、分割图（tile）、深度图（depth）、模糊效果（blur）、姿态控制（pose）、灰度图（gray）和低质量图效果（low quality），使得图像生成更加灵活多样。
### 主要特点：
- **多控制模式**：提供7种不同的控制模式，可单独或组合使用以调整图像生成的效果。
- **附加训练**：相较于基础版，此模型经过更多步骤和数据集的训练，性能得到提升。
- **兼容性**：可与其他 ControlNets 共同使用，支持更复杂的图像生成需求。
### 使用指南：
- **模型参数**：建议使用 `controlnet_conditioning_scale` 为 0.3-0.8 以获得最佳效果。
- **代码示例**：提供了详细的 Python 代码示例，展示如何加载和使用该模型进行图像生成，支持同时控制多个特征（如深度和边缘检测）进行图像推理。
- **多控制网加载**：说明如何同时加载多个 ControlNets 以组合不同类型的控制效果。
### 资源和参考资料：
- 提供了指向其他相关 ControlNet 模型的链接，如专门的 Canny 边缘检测、Depth 深度图模型等，为开发者提供更多选择和组合可能性。
总的来说，FLUX.1-dev-ControlNet-Union-Pro 模型为 AI 图像生成领域带来了更加丰富的控制选项和更高的灵活性，适用于需要精细调整图像风格和内容的创意和应用场景。