使用场景

创建在保持原始图像本质的同时产生多样化变体。

无缝混合多个图像，智能风格迁移。

通过文本提示控制图像生成。

应用细粒度风格控制的网格注意力。

产品特色

增强视觉语言理解：利用Qwen2VL实现更优的多模态理解。

多种生成模式：支持变体、图像到图像、修复和控制网引导的生成。

结构控制：集成深度估计和线条检测，提供精确的结构引导。

灵活的注意力机制：支持通过空间注意力控制的聚焦生成。

高分辨率输出：支持多种宽高比，最高可达1536x1024。

使用教程

1. 克隆GitHub仓库并安装依赖：使用git clone命令克隆Qwen2vl-Flux的GitHub仓库，并进入目录安装依赖。

2. 从Hugging Face下载模型检查点：使用huggingface_hub的snapshot_download函数下载Qwen2vl-Flux模型。

3. 初始化模型：在Python代码中导入FluxModel，并在指定设备上初始化模型。

4. 图像变体生成：使用模型的generate方法，输入原始图像和文本提示，选择'variation'模式生成图像变体。

5. 图像混合：输入源图像和参考图像，选择'img2img'模式，并设置去噪强度，生成混合图像。

6. 文本引导混合：输入图像和文本提示，选择'variation'模式，并设置引导比例，生成文本引导的图像混合。

7. 网格风格迁移：输入内容图像和风格图像，选择'controlnet'模式，并启用线条模式和深度模式，进行风格迁移。