Cómo usar el modelo Canny ControlNet SD1.5 en ComfyUI - Guía completa

Introducción a SD1.5 Canny ControlNet

Canny ControlNet es uno de los modelos ControlNet más utilizados. Utiliza el algoritmo de detección de bordes Canny para extraer información de bordes de las imágenes, y luego usa esta información para guiar la generación de imágenes por IA.

Este tutorial se centra en el uso del modelo Canny ControlNet con SD1.5

Contenido relacionado: Guía de instalación y uso de modelos ControlNet Enlaces de descarga de modelos ControlNet

Características principales de Canny ControlNet

• Preservación de estructura: Mantiene eficazmente la estructura básica y los contornos de la imagen original
• Alta flexibilidad: Control de la intensidad de guía a través de ajustes de parámetros de detección de bordes
• Amplia aplicación: Adecuado para bocetos, arte lineal, diseños arquitectónicos y varios otros escenarios
• Resultados estables: Proporciona una guía más estable y predecible en comparación con otros modelos ControlNet

Preparación para este tutorial

1. Actualizar ComfyUI e instalar modelos requeridos

Dado que algunos nodos utilizan nuevos nodos de ComfyUI, primero necesitas actualizar ComfyUI a la última versión

• Para actualizar ComfyUI, consulta el Tutorial de actualización de ComfyUI

Primero, necesitas instalar los siguientes modelos:

2. Ubicación de archivos de modelo

Por favor, coloca los archivos del modelo según la siguiente estructura:

📁ComfyUI
├── 📁models
│   ├── 📁checkpoints
│   │   └── 📁SD1.5
│   │       └── dreamshaper_8.safetensors
│   ├── 📁controlnet
│   │   └── 📁SD1.5
│   │       └── control_v11p_sd15_canny.pth
│   └── 📁vae
│       └── vae-ft-mse-840000-ema-pruned.safetensors

3. Descargar archivo de flujo de trabajo de SD1.5 Canny ControlNet

Guarda la imagen de abajo localmente, luego cárgala en el nodo LoadImage después de importar el flujo de trabajo

Descripción general del flujo de trabajo

Este flujo de trabajo consta de las siguientes partes principales:

1. Carga de modelos: Carga del modelo SD, modelo VAE y modelo ControlNet
2. Codificación de prompts: Procesamiento de prompts positivos y negativos
3. Procesamiento de imágenes: Incluye carga de imágenes y detección de bordes Canny
4. Control de ControlNet: Aplicación de información de bordes al proceso de generación
5. Muestreo y guardado: Generación y guardado de la imagen final

Explicación de nodos clave

1. LoadImage: Usado para cargar imágenes de entrada

2. Canny: Realiza detección de bordes con dos parámetros importantes:

   • low_threshold: Umbral inferior, controla la sensibilidad de detección de bordes
   • high_threshold: Umbral superior, controla la continuidad de los bordes

3. ControlNetLoader: Carga el modelo ControlNet

4. ControlNetApplyAdvanced: Controla cómo se aplica ControlNet, con parámetros que incluyen:

   • strength: Intensidad del control
   • start_percent: Cuándo comienza la influencia
   • end_percent: Cuándo termina la influencia

Pasos de uso

1. Importar flujo de trabajo

   • Descarga el archivo de flujo de trabajo de este tutorial
   • Haz clic en “Load” en ComfyUI, o arrastra y suelta el archivo JSON descargado en ComfyUI

2. Preparar imagen de entrada

   • Prepara una imagen que quieras procesar
   • Carga la imagen usando el nodo LoadImage

3. Ajustar parámetros Canny

   • Rango recomendado de low_threshold: 0.2-0.5
   • Rango recomendado de high_threshold: 0.5-0.8
   • Vista previa de resultados de detección de bordes usando el nodo PreviewImage

4. Configurar parámetros de generación

   • En el nodo KSampler:
     • steps: Recomendado 20-30
     • cfg: Recomendado 7-8
     • sampler_name: Recomendado “dpmpp_2m”
     • scheduler: Recomendado “karras”

5. Ajustar intensidad de ControlNet

   • strength: 1.0 significa seguir completamente la información de bordes
   • Reduce el valor de strength según sea necesario para debilitar el control

Consejos y recomendaciones

1. Ajuste de parámetros de detección de bordes

   • Si hay demasiados bordes: Aumenta los valores de umbral
   • Si hay muy pocos bordes: Disminuye los valores de umbral
   • Vista previa de efectos a través del nodo PreviewImage primero

2. Escritura de prompts

   • Los prompts positivos deben detallar el estilo y detalles deseados
   • Los prompts negativos deben incluir elementos a evitar
   • Los prompts deben relacionarse con el contenido de la imagen original

3. Soluciones a problemas comunes

   • Si la imagen generada está muy borrosa: Aumenta el valor cfg
   • Si el seguimiento de bordes es insuficiente: Aumenta el valor de strength
   • Si faltan detalles: Aumenta el valor de steps

Ejemplos prácticos

Aquí hay algunos casos de uso comunes y sus configuraciones de parámetros:

1. Coloreado de arte lineal

   • low_threshold: 0.2
   • high_threshold: 0.5
   • strength: 1.0
   • steps: 25

2. Redibujado de estructura

   • low_threshold: 0.4
   • high_threshold: 0.7
   • strength: 0.8
   • steps: 30

Recursos relacionados

Descarga de modelos ControlNet Más tutoriales de ControlNet