ControlNet de profundidad Krea 2 publicado: generación condicionada por profundidad con soporte para ComfyUI
Tanmay Patil publicó el Krea 2 Depth ControlNet-LoRA, añadiendo generación de imágenes condicionada por profundidad a Krea 2. Funciona tanto con Krea 2 Raw como con Turbo, alcanzando una consistencia de profundidad de 0.99 de correlación de Pearson.
El desarrollador de la comunidad Tanmay Patil ha publicado el Krea 2 Depth ControlNet, un ControlNet-LoRA que añade generación condicionada por profundidad a Krea 2. El único archivo LoRA de 862 MB te permite controlar la estructura 3D de las imágenes generadas, manteniendo total libertad creativa sobre el contenido y el estilo.
El modelo está disponible en Hugging Face: Patil/Krea-2-depth-controlnet.
Cómo funciona
Dada cualquier imagen de entrada y un prompt de texto, el ControlNet extrae un mapa de profundidad usando Depth-Anything-V2, luego genera una nueva imagen que conserva la misma estructura 3D y composición. La consistencia de profundidad (correlación de Pearson entre la profundidad de entrada y la de la salida generada) alcanza 0.98 sin prompt y 0.99 con prompt, lo que significa que la estructura geométrica se transfiere fielmente.
El ControlNet está entrenado en Krea 2 Raw y funciona indistintamente con los modelos base Raw (28-52 pasos, CFG 3.5) y Turbo (8 pasos, sin CFG). Un dial de escala LoRA permite ajustar la fuerza de adherencia a la profundidad, desde una reproducción estructural estricta en 1.0 hasta más libertad creativa en valores más bajos.
Uso
El repositorio proporciona un script de inferencia simple:
# Turbo base — rápido, recomendado (8 pasos, sin CFG)
python inference.py photo.jpg -p "interior de una nave espacial futurista, iluminación cinematográfica" \
--lora depth-control-lora.safetensors
# Raw base — máxima calidad (28-52 pasos, CFG 3.5)
python inference.py photo.jpg -p "..." --lora depth-control-lora.safetensors --base raw
# Sin prompt: el mapa de profundidad es la única señal
python inference.py photo.jpg --lora depth-control-lora.safetensors --save-strip
# Adherencia estructural más débil
python inference.py photo.jpg -p "..." --lora depth-control-lora.safetensors --lora-scale 0.6La bandera --save-strip genera una comparación lado a lado de la imagen de entrada, el mapa de profundidad extraído y la salida generada para una fácil evaluación.
Integración con ComfyUI
El ControlNet es totalmente compatible con ComfyUI a través del nodo personalizado comfyui-krea2-controlnet de facok. Este nodo proporciona una interfaz directa para cargar el LoRA del ControlNet de profundidad y aplicarlo dentro del flujo de trabajo de Krea 2.
Para usarlo en ComfyUI:
- Descarga
depth-control-lora.safetensorsdesde el repositorio de Hugging Face - Instala el nodo personalizado
comfyui-krea2-controlnet - Carga el LoRA a través de la interfaz del nodo personalizado y conéctalo a tu flujo de trabajo de Krea 2
- Proporciona una imagen de entrada como referencia de profundidad
Detalles del archivo
| Archivo | Base | Tamaño |
|---|---|---|
depth-control-lora.safetensors | Krea 2 Raw | 862 MB (rango 64 + proyección de entrada expandida) |
El modelo base permanece congelado — solo se cargan los pesos LoRA, lo que hace eficiente cambiar entre diferentes modos de ControlNet.
Licencia
El modelo se publica bajo la Krea 2 Community License, de acuerdo con el ecosistema más amplio de Krea 2.