AnimateDiff + ControlNet + IPAdapter V1 | Cartoon Style

1. ComfyUI AnimateDiff, ControlNet, IP-Adapter a FreeU Workflow

ComfyUI workflow implementuje metodologii pro restyling videa, která integruje několik komponent—AnimateDiff, ControlNet, IP-Adapter a FreeU—pro zlepšení možností úpravy videa.

AnimateDiff: Tato komponenta používá modely časového rozdílu k vytváření plynulých animací ze statických obrázků v průběhu času. Funguje tak, že identifikuje rozdíly mezi po sobě jdoucími snímky a postupně aplikuje tyto změny, aby se snížily náhlé změny, čímž se zachovává koherence pohybu.

ControlNet: ControlNet využívá řídicí signály, jako jsou ty odvozené z nástrojů pro odhadování pozic, jako je OpenPose, k vedení pohybu a toku animace. Tyto řídicí signály jsou vrstveny a zpracovávány modely podobnými kontrolním sítím, které následně formují konečný animovaný výstup.

IP-Adapter: IP-Adapter je navržen tak, aby přizpůsobil vstupní obrázky tak, aby více odpovídaly cílovým stylům nebo vlastnostem. Provádí procesy jako kolorování a přenos stylu, mění atributy obrázků neřízeně.

FreeU: Jako nákladově efektivní nástroj pro zlepšení, FreeU vylepšuje difuzní modely jemným laděním existujících U-Net architektur. Výsledkem je výrazné zvýšení kvality generování obrázků a videí, vyžadující pouze minimální úpravy.

Tyto komponenty se společně synergizují v tomto ComfyUI workflowu, aby transformovaly vstupy do stylizovaných animací prostřednictvím sofistikovaného, vícefázového difuzního procesu.

2. Přehled AnimateDiff

Podívejte se na podrobnosti na Jak používat AnimateDiff v ComfyUI

3. Přehled ControlNet

Podívejte se na podrobnosti na Jak používat ControlNet v ComfyUI

4. Přehled IP-Adapter

Podívejte se na podrobnosti v Úvod do IPAdapter

5. Přehled FreeU

5.1. Úvod do FreeU

FreeU je špičkové vylepšení pro difuzní modely, které zvyšuje kvalitu vzorků bez další zátěže. Pracuje v rámci stávajícího systému, nevyžaduje další školení, žádné další parametry a zachovává současnou paměť a dobu zpracování. FreeU využívá stávající mechanismy difuzní U-Net architektury k okamžitému zlepšení kvality generování.

Inovace FreeU spočívá v jeho schopnosti efektivněji využívat architekturu difuzní U-Net. Vylepšuje rovnováhu mezi denoisingovým páteřním systémem U-Net a jeho vysokofrekvenčními funkcemi přidávajícími skip připojení, optimalizující kvalitu generovaných obrázků a videí bez kompromisů v sémantické integritě.

FreeU je navržen pro snadnou integraci s populárními difuzními modely, vyžadující minimální úpravy a ladění pouze dvou škálovacích faktorů během inference k dosažení výrazných zlepšení kvality výstupu. To činí FreeU atraktivní volbou pro ty, kteří hledají efektivní vylepšení svých generativních workflowů.

Parametry pro optimální výkon FreeU

Neváhejte upravit tyto parametry podle vašich modelů, stylu obrázků/videí nebo úkolů. Následující parametry jsou pouze pro referenci.

SD1.4: (bude brzy aktualizováno）

b1: 1.3, b2: 1.4, s1: 0.9, s2: 0.2

SD1.5: (bude brzy aktualizováno）

b1: 1.5, b2: 1.6, s1: 0.9, s2: 0.2

SD2.1

b1: 1.4, b2: 1.6, s1: 0.9, s2: 0.2

SDXL

b1: 1.3, b2: 1.4, s1: 0.9, s2: 0.2

Rozsah pro více parametrů

Při zkoušení dalších parametrů zvažte následující rozsahy:

• b1: 1 ≤ b1 ≤ 1.2
• b2: 1.2 ≤ b2 ≤ 1.6
• s1: s1 ≤ 1
• s2: s2 ≤ 1

Pro více informací se podívejte na Github