PMRF Ultra Schneller Upscaler | Niedriger VRAM ComfyUI

1. Was ist der ComfyUI PMRF-Workflow?

Der ComfyUI PMRF-Workflow integriert den revolutionären Posterior-Mean Rectified Flow Algorithmus in die ComfyUI-Umgebung zur fotorealistischen Gesichtsrestaurierung. Basierend auf wegweisender Forschung vom Technion—Israel Institute of Technology (ICLR 2025) adressiert ComfyUI PMRF die grundlegende Herausforderung in der Bildrestaurierung: minimale Verzerrung bei perfekter Wahrnehmungsqualität zu erreichen. Anders als traditionelle Methoden, die sich auf posterior sampling oder GAN-basierte Ansätze verlassen, approximiert ComfyUI PMRF den mathematisch optimalen Schätzer, der den mittleren quadratischen Fehler (MSE) unter einer perfekten Wahrnehmungsqualitätsbedingung minimiert.

2. Vorteile von ComfyUI PMRF:

⚡ UNERREICHTE GESCHWINDIGKEITSLEISTUNG ⚡

Dieser ComfyUI PMRF-Workflow ist ULTRA-SCHNELL - liefert Ergebnisse in nur wenigen Sekunden! Bei 1,29 Sekunden für 2x Upscaling ist ComfyUI PMRF schneller als JEDER derzeit auf der RunComfy-Plattform verfügbare Upscale-Workflow. Während andere Methoden Minuten benötigen, beendet ComfyUI PMRF die Gesichtsrestaurierung in der Zeit, die ein Wimpernschlag dauert!

Für andere Upscale-Workflows siehe bitte unten auf dieser Seite

• Ultra Schnelle Verarbeitung: ComfyUI PMRF erreicht 2x Gesichts-Upscaling (512×682 auf 1024×1364) in nur 1,29 Sekunden auf RTX 4090, verglichen mit Minuten, die von traditionellen SD-Upscaling-Methoden benötigt werden
• Niedrige VRAM-Anforderungen: ComfyUI PMRF arbeitet effizient mit nur 3.3GB VRAM, deutlich weniger als konkurrierende Lösungen (DifFBIR benötigt 8GB, Topaz PhotoAI benötigt 20GB)
• Überlegene Detailwiedergabe: Der fortschrittliche posterior-mean rectified flow Algorithmus von ComfyUI PMRF bewahrt natürliche Gesichtszüge und eliminiert Unschärfe- und Rauschartefakte
• Speicherproblem behoben: Diese Version von ComfyUI PMRF löst den 1GB VRAM-Belegungsfehler, der in der ursprünglichen PMRF-Veröffentlichung vorhanden war
• Mathematisch Optimal: ComfyUI PMRF approximiert nachweislich den theoretisch optimalen Schätzer für fotorealistische Restaurierungsaufgaben

3. Wie man den ComfyUI PMRF-Workflow verwendet

3.1 Erzeugungsmethoden mit ComfyUI PMRF

Beispiel-Setup für ComfyUI PMRF Gesichtsrestaurierung:

1. Eingaben vorbereiten: In Load Image Node:
   • Lade dein verschlechtertes/verschwommenes Gesichtsbild hoch
   • Stelle sicher, dass das Bild korrekt ausgerichtet und auf das Gesicht zugeschnitten ist
2. Konfiguriere ComfyUI PMRF Node:
   • Setze num_steps (25 für Geschwindigkeit, 100 für maximale Qualität)
   • Setze scale (2.0 für 2x Upscaling, bei Bedarf anpassen)
3. Klicke auf Queue Prompt-Button, um den ComfyUI PMRF-Workflow zu starten
4. In Save Image: erhalte dein verbessertes Gesichtsrestaurierungsergebnis

3.2 Parameterreferenz für ComfyUI PMRF

ComfyUI PMRF Core Node: Dieser Node führt den posterior-mean rectified flow Restaurierungsprozess durch.

• scale: Upscaling-Faktor für das Ausgabebild (2.0 = 2x größer, 1.5 = 1.5x größer, etc.).
• num_steps: Anzahl der rectified flow Iterationen.
• seed: Zufälliger Seed für reproduzierbare Ergebnisse.
• control_after_generate: Bestimmt das Seed-Verhalten für die Stapelverarbeitung (randomisieren/fixiert).
• interpolation: Resampling-Methode, die während des Upscaling-Prozesses verwendet wird (lanczos4 empfohlen für beste Qualität).

3.3 Erweiterte Optimierung mit ComfyUI PMRF

Verstehen des Scale-Parameters in ComfyUI PMRF: Der scale-Parameter steuert den Upscaling-Faktor - es ist ein Multiplikator für deine Bildabmessungen. Um den korrekten Skalenwert für ComfyUI PMRF zu berechnen:

Skalenberechnungsformel:

skale = Zielauflösung ÷ Eingabeauflösung

Praktische Beispiele für ComfyUI PMRF:

• Für 4K-Ausgabe (3840×2160): Wenn deine Eingabe 1920×1080 ist, verwende scale: 2.0 (3840÷1920=2.0)
• Für 4K-Ausgabe von 1280×720: Verwende scale: 3.0 (3840÷1280=3.0)
• Für 2K-Ausgabe (2560×1440) von 1280×720: Verwende scale: 2.0 (2560÷1280=2.0)
• Für benutzerdefinierte Größen: Teile immer deine Zielbreite durch die Eingabebreite, um den Skalenwert zu erhalten

💡 Pro Tipp: Iterative Verbesserung

Für stark verschlechterte Bilder, bei denen die Ergebnisse eines Durchlaufs nicht zufriedenstellend sind, kannst du iterative Verarbeitung verwenden: Nimm das ComfyUI PMRF-Ergebnis und verwende es erneut als Eingabe für eine weitere Restaurierungsrunde. Dieser Mehrfachdurchlauf-Ansatz kann noch bessere Ergebnisse für extrem herausfordernde Bilder erzielen.

Technischer Hintergrund

Wie ComfyUI PMRF funktioniert

Stelle dir die Bildrestaurierung wie das Reparieren eines verschwommenen Fotos vor. Traditionelle Methoden machen entweder das Bild zu glatt (wodurch wichtige Details verloren gehen) oder fügen seltsame Artefakte hinzu, wenn versucht wird, es natürlich aussehen zu lassen. ComfyUI PMRF löst dies durch einen zweistufigen Ansatz: Zuerst wird das "beste Vermutung" darüber erstellt, wie das klare Bild aussehen sollte, dann wird fortgeschrittene Mathematik verwendet, um diese Vermutung perfekt natürlich aussehen zu lassen - wie der Unterschied zwischen einer groben Skizze und einem fertigen Gemälde.

Die Wissenschaft hinter ComfyUI PMRF

ComfyUI PMRF adressiert den grundlegenden "Verzerrungs-Wahrnehmungs-Kompromiss" in der Bildrestaurierung. Der entscheidende Einblick ist, dass der optimale Weg zur Restaurierung von Bildern nicht darin besteht, zufällig zu raten (wie es die meisten KI-Methoden tun), sondern einem mathematisch bewiesenen Pfad zu folgen. ComfyUI PMRF sagt zuerst den "posterior mean" (die statistisch beste Vermutung) voraus, dann verwendet es "rectified flow", um diese Vorhersage optimal zur natürlichen Bildverteilung zu transportieren. Dies gewährleistet sowohl minimalen Fehler als auch maximale visuelle Qualität.

Weitere Informationen über ComfyUI PMRF

Für zusätzliche Details und Entwicklungsreferenzen:

• PMRF Originalforschung von
• Papier: "Posterior-Mean Rectified Flow: Towards Minimum MSE Photo-Realistic Image Restoration" (ICLR 2025)
• Projektseite:
• Online-Demo:

Danksagungen

Dieser ComfyUI PMRF-Workflow wird von PMRF (Posterior-Mean Rectified Flow) betrieben, entwickelt von Guy Ohayon, Tomer Michaeli und Michael Elad vom Technion—Israel Institute of Technology. Die Forschung wurde auf der ICLR 2025 veröffentlicht.

Die ComfyUI PMRF-Integration beinhaltet Fehlerbehebungen für Speicherprobleme in der ursprünglichen Implementierung. Alle Anerkennungen gehen an die ursprünglichen Autoren für ihre bahnbrechende Arbeit in der fotorealistischen Bildrestaurierung.