SD3.5 대형 Canny ControlNet
SD 3.5 Canny ControlNet을 사용하여 엣지 감지로 안내된 이미지를 생성합니다.
정보
이 ComfyUI 워크플로는 Stability AI의 SD 3.5 Large 모델과 Canny ControlNet를 사용해 입력 이미지의 에지 구조를 따르는 이미지를 생성합니다. 파이프라인은 SD 3.5 체크포인트(CheckpointLoaderSimple)와 Canny ControlNet(ControlNetLoader)를 불러오고, 텍스트 프롬프트를 인코딩(CLIPTextEncode)한 뒤, 가이드 이미지에서 고대비 에지 맵을 추출(Canny)합니다. 에지 맵은 ControlNetApplyAdvanced를 통해 구조 제약으로 적용되어, KSampler가 윤곽을 존중하면서도 프롬프트를 따르는 새로운 콘텐츠를 합성할 수 있게 합니다.
제공할 항목
- 워크플로 읽는 중
ComfyUI에서 실행됩니다. 이 워크플로는 이 페이지에서 실행할 수 없습니다. 모든 항목이 로드된 Comfy Cloud에서 열거나, 자체 ComfyUI에서 사용하려면 다운로드하세요.
Cloud에서 사용해 보기질문과 답변
에지 고정을 강하게 하려면 ControlNetApplyAdvanced weight를 올리세요(예: 0.8–1.0). 더 느슨하고 창의적으로 하려면 낮추세요(예: 0.3–0.6). 또한 가이드 구간을 줄이기 위해 start를 올리거나 end를 낮추면 샘플링 일부 구간에서 영향이 줄어듭니다.
중간 범위(예: low 80–120, high 160–220)에서 시작하세요. 값을 낮추면 미세 디테일을 더 잡지만 노이즈가 늘 수 있고, 값을 높이면 굵은 윤곽으로 단순화됩니다. 항상 Canny 출력을 미리보기로 확인하고, 끊기지 않는 주요 윤곽이 나오도록 맞추세요.
예. 일관된 결과를 위해 해상도를 맞추는 것이 중요합니다. ImageScale로 Canny 에지 맵을 EmptySD3LatentImage와 동일한 너비/높이로 리사이즈해 ControlNet 조건화가 샘플링 캔버스와 정렬되게 하세요.
기본으로 ConditioningZeroOut이 빈 네거티브를 제공합니다. 네거티브를 추가하려면 네거티브 텍스트(예: "blurry, low quality")를 넣은 CLIPTextEncode를 하나 더 만들고, 출력을 KSampler의 negative conditioning 입력에 연결하세요.
관련 워크플로
- SD3.5, Stability
SD3.5 간단
- SD3.5, Stability
SD3.5 대형 깊이
- SD3.5, Stability
SD3.5 대형 블러
- Flux.2 Dev, Flux.2 Klein, GPT-Image-1.5, Grok, Nano Banana Pro, Qwen-Image-Edit, Seedream
1개 입력 및 다중 편집 모델 비교
- ACE-Step
ACE-Step 1.5 음악 생성 (4B LLM)
- 파트너 노드
AI on the Lot 2026 - Final WF - t2v
- 파트너 노드
AI on the Lot 2026 - QwenVL - i2t
- 파트너 노드
AI on the Lot 2026 - QwenVL - 프롬프트 강화
- 파트너 노드
AI on the Lot 2026_LTX-2.3_IC LoRA (Union Control)
- 파트너 노드
Arrow2: Image to SVG
- 파트너 노드
Arrow2: Text to SVG
- Seedance 2.0
Depth Motion Capture with Seedance 2.0