controlnet

阿钱真强道

23 ComfyUI 实战：AnimateDiff + OpenPose Walking 姿态驱动视频生成在姿态驱动视频生成任务中，动作控制是否准确，决定了整条生成链路是否具有实际价值。相比人物外观、场景细节和画面风格，动作是否被正确执行更适合作为首要验证目标。本文基于 ComfyUI 搭建了一套 AnimateDiff + ControlNet OpenPose 的 walking 动作验证工作流，通过骨骼序列输入、姿态约束、时序生成和视频输出，验证 walking 动作是否能够被稳定驱动。工作流最终通过 VHS_VideoCombine 输出视频，格式为 video/h264-mp4，帧率为 8，文件名前

阿钱真强道

21 ComfyUI 实战：IP-Adapter + ControlNet 实现人物表情编辑，为什么降权重后更容易“笑出来”在人像表情编辑任务中，仅依赖 prompt 往往难以稳定实现“让人物笑起来”的目标。为兼顾结构稳定与人物一致性，可以将 IP-Adapter 与 SoftEdge ControlNet 组合使用：前者负责增强人物特征保持，后者负责约束整体结构与边缘轮廓。本文基于一套已验证的 ComfyUI 工作流，介绍 IPAdapterUnifiedLoader + IPAdapterAdvanced + PiDiNetPreprocessor + ControlNetApplyAdvanced 的组合方式，并重点分析

阿钱真强道

20 ComfyUI 实战：用 ControlNet 实现人物表情编辑，让人物“笑起来”的工作流解析在基于 Stable Diffusion 的人物编辑任务中，一个非常常见但并不容易稳定实现的需求是：在尽量保持人物姿态、发型、服装和整体结构稳定的前提下，对人物表情进行编辑，例如让人物从自然状态变为微笑或大笑。

阿钱真强道

14 ComfyUI 实战：使用 Depth Anything V2 + ControlNet 实现高一致性人像生成在 ComfyUI 的控制类工作流中，Depth ControlNet 是非常实用的一种方案。相比 Canny 这类偏边缘约束的方法，Depth 更擅长保留人物的空间结构、姿态轮廓和前后层次，尤其适合半身人像、摄影棚人像、时尚肖像等场景。本文结合一套实际可运行的 ComfyUI 工作流，详细记录 DepthAnythingV2Preprocessor 的安装、模型放置路径、节点连接方式、参数设置思路以及与 Canny 的差异，帮助大家快速搭建一套稳定可复现的 depth 控制流程。

这张生成的图像能检测吗

（论文速读）ControlNet-XS: 从反馈控制系统视角重新思考图像生成的控制机制论文题目：ControlNet-XS: Rethinking the Control of Text-to-Image Diffusion Models as Feedback-Control Systems（重新思考文本到图像扩散模型作为反馈控制系统的控制）

ComfyUI ControlNet 环境搭建备忘录作用：comfyui_controlnet_aux 是 ComfyUI 的扩展插件，用来管理和调用各种Controlnet 预处理器模型（Annotators）。

阿里最新开源文生图模型-造相-Z-Image-Turbo，Comfyui支持ControlNetComfyui更新到最新版！！！更新到 v0.3.77 以上ControlNet控制：ModelPatchLoader + QwenImageDiffsynthControlnet 节点（Comfyui 需要更新到 v0.3.77 以上）

AB PLC 的 ControlNet 总线全解析：原理、架构、调度机制与协议分析2023 年，我在东北一家汽车厂做产线改造。客户指着一台老 ControlLogix 柜说：“这根 ControlNet 线一抖，整条焊装线就停。” 我打开 Studio 5000，看到 NUI=2ms，Scheduled 带宽 92%——典型的“压榨式配置”。那一刻我意识到：ControlNet 虽老，但它的“确定性”仍是某些场景不可替代的底牌。

ControlNet——AI图像生成的“精准操控工具”ControlNet是由斯坦福大学研究者张吕敏等人于2023年提出的一种AI图像生成控制技术，核心作用是让用户在保持生成图像 “创造力” 的同时，精准控制图像的结构、姿态、轮廓、深度等关键空间信息，解决了传统扩散模型（如 Stable Diffusion）生成结果 “不可控” 的核心痛点。

comfyui适用Flux.1模型的controlnet方案整理--Xlabs-Ai系列/Union-alpha集成/Mistoai线稿Flux官方模型发布后，开源社区很快就训练出了flux生态下的controlne，本节内容我们就开源社区发布的几种不同的controlnet模型及应用进行尝试。

Stable Diffusion绘画插件（ControlNet ）1.安装Stable Diffusion WebUI版；2.安装ControlNet插件。文后附模型下载链接。

RamendeusStudio

4.1-1 IS-NET-Pro视频转图片的插件IS-NET-Pro这个插件真的让人惊讶，可以视频转帧图片，也可以将帧图片序列转换成视频。同时还有抠图等功能。

RamendeusStudio

AI教我做事之RAG开发-21 RAGFlow深度研究检索增强生成（Retrieval-Augmented Generation, RAG）自2020年由Lewis等人提出以来，已成为AI领域的重要范式，尤其在需要外部知识支持的场景中表现出色。RAG Flow框架是对RAG的进一步抽象和优化，旨在通过定义清晰的数据流和模块化设计，提升系统的可扩展性、效率和适用性。本报告将深入探讨RAG Flow的架构、技术细节、实现方法，并提供示例代码，帮助读者理解其在实际应用中的价值。

RamendeusStudio

5-29 有趣的指令Pix2Pix(P2P)上一节我们介绍了ControlNet中使用IP-Adapter能力本节主要介绍ControlNet中的指令P2P。

RamendeusStudio

5-26 黑白照片上色-Recolor上一节我们介绍了如何制作艺术二维码本一节主要介绍ControlNet中的Recolor。重新上色。实际上我们针对颜色的处理可以使用语义分割，或者边缘检测后单独处理，reColor相对方便的内置算法，帮我们自动的一体化处理。

RamendeusStudio

5-27 临摹大师-IP-Adapter前一节我们主要介绍ControlNet中如何对黑白照片进行上色主要介绍ControlNet中的IP-Adapter。这个也是一种类似的风格借鉴，类似Reference的能力。

春末的南方城市

Huggingface Trending！可控人物图像生成统一框架Leffa，可精确控制虚拟试穿和姿势转换！今天给大家介绍一个Huggingface上虚拟试穿的热门项目Leffa，Leffa是一个可控人物图像生成的统一框架，可以精确操纵外观（即虚拟试穿）和姿势（即姿势转换）。从效果看生成效果很不错！

春末的南方城市

单幅图像合成 360° 3D 场景的新方法：PanoDreamer，可同时生成全景图像和相应的深度信息。论文介绍了一种从单幅图像合成 360° 3D 场景的新方法。该方法以连贯的方式生成全景图及其相应的深度，解决了现有最先进方法（如 LucidDreamer 和 WonderJourney 的局限性。这些方法按照生成轨迹依次添加细节，通常在循环回输入图像时导致可见的接缝。相比之下，该方法可确保整个 360° 场景的一致性，如图所示。黄色条显示每个结果中与输入相对应的区域。

Diffusion Policy——斯坦福机器人UMI所用的扩散策略：从原理到其编码实现(含Diff-Control、ControlNet详解)本文一开始是属于此文《UMI——斯坦福刷盘机器人：从手持夹持器到动作预测Diffusion Policy(含代码解读)》的第三部分，考虑后Diffusion Policy的重要性很高，加之后续还有一系列基于其的改进工作

【comfyui】ControlNet 辅助预处理器节点——controlnet_aux （线稿、深度图、法线、脸部身体姿态估计）（星2.1K）ComfyUI’s ControlNet Auxiliary （/ɔːɡˈzɪliəri/） Preprocessors 预处理器节点：https://github.com/Fannovel16/comfyui_controlnet_aux 参考代码：https://github.com/lllyasviel/ControlNet/tree/main/annotator huggingface部分模型：https://huggingface.co/lllyasviel/Annotators/tree/m