FLUX-Controlnet-Inpainting，这款基于ControlNet和FLUX.1-dev的图像修复工具，正在重新定义我们对图像修复的认知。
这款工具不仅继承了FLUX.1-dev模型的高质量图像生成能力，更巧妙地融合了ControlNet的优势。它能够根据图像的边缘、线稿、深度图等信息进行精准修复，在指定区域生成与周围环境和谐一致的内容，为受损或缺失的图像部分带来新生。
最近，FLUX的Inpainting ControlNet通过与ComfyUI的集成，实现了突破性的推理功能。这意味着用户现在可以在直观的界面中执行复杂的图像修复任务，享受流畅的工作流程。然而，这种强大的功能也伴随着相应的硬件要求。使用t5xxl-FP16和flux1-dev-fp8模型进行28步推理时，需要约27GB的GPU内存。尽管如此，推理速度仍然令人满意:在cfg=3.5的设置下，仅需27秒;如果将cfg降至1，更可缩短至15秒。
对于追求更快速度的用户，Hyper-FLUX-lora提供了一个绝佳的选择，它能显著提升推理效率。此外，通过微调关键参数如control-strength、control-end-percent和cfg，用户可以进一步优化修复效果。例如，将control-strength设为0.9，control-end-percent设为1.0，cfg设为3.5，往往能达到理想的平衡。
FLUX模型的训练基于庞大的数据集，包括12M laion2B以及其他内部图像源。为获得最佳效果，推荐使用768x768的推理分辨率。控制网的调节比例建议保持在0.9到0.95之间，这样可以在保持控制的同时，给予创作足够的自由度。
值得一提的是，当前版本仅是Alpha测试版。开发团队承诺未来将推出更强大的更新，这无疑让人对FLUX-Controlnet-Inpainting的未来充满期待。随着技术的不断进步，我们有理由相信，图像修复领域将迎来更多令人惊叹的突破。
项目地址：https://github.com/alimama-creative/FLUX-Controlnet-Inpainting