目前可以保持一致性图像生成的方案很多，

如：IPAdapter：走models管道，微调模型；

Fluxtapoz：latent管道，图像反演技术实现；

Redux的效果个人感觉是最好的！今天就来详细了解下。

官方说明：https://huggingface.co/black-forest-labs/FLUX.1-Redux-dev

官方博客：https://blackforestlabs.ai/flux-1-tools/

这里官方说给定一张输入图像，FLUX.1 Redux 可以对其进行轻微的再现变化，从而允许对给定图像进行细化。通过这一特性就可以尝试做图像一致化生成。

使用 Redux的节点也非常的多，都大同小异,主要是对权重的一个控制，下面对几个进阶节点展开说明一下：

﹥downsampling_factor（下采样因子）

[作用]：控制条件图像对生成图像的影响强度。数值越小，条件图像对生成图像的影响越大。

[取值范围]：1 到 9，其中 1 表示最强影响，9 表示最弱影响。

﹥downsampling_function（下采样函数）

[作用]：类似于图像处理软件中的图像缩放函数，用于调整图像的尺寸。不同的函数会对图像的最终效果产生显著影响。

[可选函数]：默认为 "area"，还可以选择 "bicubic" 和 "nearest_exact" 等。

﹥mode（模式）

[作用]：控制参考图像在输入到视觉模型之前如何被裁剪。

[可选模式]：

center crop (square)：默认模式，将图像裁剪为正方形。

keep aspect ratio：保持图像的宽高比，通过添加边框使图像变为正方形。

autocrop with mask：根据遮罩区域进行裁剪，仅保留遮罩区域及其周围一定范围。

﹥weight（权重）

[作用]：调整 Redux tokens 的缩放比例，从而影响 Redux 对生成图像的影响程度。

[使用方法]：权重值越小，Redux 对生成图像的影响越小。

﹥autocrop_margin（自动裁剪边距）

[作用]：在选择 "autocrop with mask" 模式时使用，指定裁剪时保留的边距大小。

[取值范围]：相对于图像总大小的比例，例如 0.1 表示在遮罩区域的每侧保留 10% 的图像。

﹥style_weight（风格权重）

[作用]：控制参考图像的风格在最终生成图像中的占比。权重值越高，参考图像的风格特征在生成图像中越明显。

[应用场景]：当有多张参考图像时，可以通过调整不同参考图像的风格权重，来决定哪张参考图像的风格在最终图像中占据主导地位。

﹥color_weight（色彩权重）

[作用]：影响参考图像的色彩特征在生成图像中的体现程度。权重值越高，生成图像的色彩越接近参考图像。

[应用场景]：如果想要生成的图像在色彩上更贴近某张参考图像，可以提高该参考图像的色彩权重。

﹥content_weight（内容权重）

[作用]：决定参考图像的内容特征在生成图像中的显著性。权重值越高，生成图像的内容越接近参考图像。

[应用场景]：在需要保留参考图像中某些特定内容或细节时，可以通过提高内容权重来实现。

﹥structure_weight（结构权重）

[作用]：控制参考图像的结构特征在生成图像中的体现。权重值越高，生成图像的结构越类似于参考图像。

[应用场景]：适用于需要保持参考图像整体布局或结构特征的场景，如建筑图像的生成。

﹥texture_weight（纹理权重）

[作用]：影响参考图像的纹理特征在生成图像中的表现。权重值越高，生成图像的纹理越接近参考图像。

[应用场景]：在需要生成具有特定纹理特征的图像时，如模拟某种材质的纹理，可以调整纹理权重。

﹥similarity_threshold（相似度阈值）

[作用]：设置生成图像与输入图像之间的相似度标准。当生成图像与输入图像的相似度低于该阈值时，模型会尝试生成更接近输入图像的变体。

[应用场景]：用于控制生成图像与原始输入图像的相似程度，避免生成过于偏离原图的图像。

﹥enhancement base（增强基础）

[作用]：作为图像增强的基础设置，影响图像在生成过程中的整体质量提升。

[应用场景]：在需要提高生成图像的整体清晰度、对比度等质量指标时，可以调整增强基础参数

这里就以节点：Redux Advanced做xy测试：

提示词设定为：A girl wearing a blue outfit.（一个穿着蓝色衣服的女孩）

采样因子通过1-9的参数测试如下：

明显可以看出：当采样因子一旦>1时提示词立马就生效了，衣服就开始变换提示词中的颜色，人物姿势也开始变化，随着数值的增加提示词的引导越来越强，当>6时图像逐渐趋于稳定。

工作流截屏如下：

工作流以及相关附件可前往知识星球获取。