PMRF 超高速アップスケーラー | 低VRAM ComfyUI

1. ComfyUI PMRFワークフローとは？

ComfyUI PMRFワークフローは、写真のような顔の復元のために革命的なPosterior-Mean Rectified FlowアルゴリズムをComfyUI環境に統合しています。Technion—Israel Institute of Technology（ICLR 2025）からの最先端の研究に基づいて、ComfyUI PMRFは、画像復元における基本的な課題、すなわち完璧な知覚品質を維持しながら最小限の歪みを達成することに取り組んでいます。従来の方法が後部サンプリングやGANベースのアプローチに依存するのとは異なり、ComfyUI PMRFは、完璧な知覚品質の制約の下で平均二乗誤差（MSE）を最小化する数学的に最適な推定器を近似します。

2. ComfyUI PMRFの利点:

⚡ 前例のないスピード性能 ⚡

このComfyUI PMRFワークフローは超高速で、ほんの数秒で結果を提供します！2倍のアップスケーリングで1.29秒で、ComfyUI PMRFはRunComfyプラットフォームで現在利用可能などのアップスケールワークフローよりも速いです。他の方法が数分かかるところを、ComfyUI PMRFは目を瞬く間に顔の復元を完了します！

他のアップスケールワークフローについては、このページの下部をご覧ください

• 超高速処理: ComfyUI PMRFは、512×682から1024×1364への2倍の顔のアップスケーリングを、RTX 4090上でたった1.29秒で達成します。従来のSDアップスケーリング方法が必要とする数分に比べて非常に速いです
• 低VRAM要件: ComfyUI PMRFはわずか3.3GBのVRAMで効率的に動作し、競合するソリューション（DifFBIRは8GB、Topaz PhotoAIは20GBを必要とする）に比べて非常に低いです
• 優れた詳細保全: ComfyUI PMRFの高度なposterior-mean rectified flowアルゴリズムは、自然な顔の特徴を維持しながら、ぼやけやノイズのアーティファクトを排除します
• メモリ問題の修正: このComfyUI PMRFバージョンは、元のPMRFリリースに存在した1GBのVRAM占有バグを解決します
• 数学的に最適: ComfyUI PMRFは、写真のような復元タスクのために理論的に最適な推定器を証明可能に近似します

3. ComfyUI PMRFワークフローの使用方法

3.1 ComfyUI PMRFによる生成方法

ComfyUI PMRF顔の復元のためのセットアップ例:

1. 入力を準備する: Load Imageノードで:
   • 劣化した/ぼやけた顔の画像をアップロード
   • 顔に焦点を合わせるように画像が適切に整列され、トリミングされていることを確認
2. ComfyUI PMRFノードを構成する:
   • num_stepsを設定（速度重視なら25、最大品質なら100）
   • scaleを設定（2.0で2倍のアップスケーリング、必要に応じて調整）
3. Queue PromptボタンをクリックしてComfyUI PMRFワークフローを実行
4. Save Imageで: 強化された顔の復元出力を取得

3.2 ComfyUI PMRFのパラメータリファレンス

ComfyUI PMRFコアノード: このノードはposterior-mean rectified flow復元プロセスを実行します。

• scale: 出力画像のアップスケーリング係数（2.0 = 2倍大きい、1.5 = 1.5倍大きいなど）。
• num_steps: Rectified flowの反復回数。
• seed: 再現可能な結果のためのランダムシード。
• control_after_generate: バッチ処理のためのシードの動作を決定する（ランダム化/固定）。
• interpolation: アップスケーリングプロセス中に使用されるリサンプリング方法（最高品質にはlanczos4を推奨）。

3.3 ComfyUI PMRFによる高度な最適化

ComfyUI PMRFでのスケールパラメータの理解: scaleパラメータはアップスケーリング係数を制御します - それは画像の寸法の乗数です。ComfyUI PMRFの正しいスケール値を計算するには:

スケール計算式:

scale = 目標解像度 ÷ 入力解像度

ComfyUI PMRFの実用例:

• 4K出力（3840×2160）の場合: 入力が1920×1080であれば、scale: 2.0を使用します（3840÷1920=2.0）
• 1280×720からの4K出力: scale: 3.0を使用します（3840÷1280=3.0）
• 1280×720からの2K出力（2560×1440）: scale: 2.0を使用します（2560÷1280=2.0）
• カスタムサイズの場合: 常に目標の幅を入力幅で割ってスケール値を取得します

💡 プロのヒント: 繰り返し強化

単一パスの結果が満足できないほど劣化した画像の場合、繰り返し処理を使用できます: ComfyUI PMRFの出力を再び入力としてもう一度復元を行います。このマルチパスアプローチは、非常に挑戦的な画像でさらに良い結果を達成することができます。

技術的背景

ComfyUI PMRFの動作原理

画像復元をぼやけた写真を修正するように考えてみてください。従来の方法は、画像を滑らかにしすぎたり（重要な詳細を失う）、自然に見せようとして奇妙なアーティファクトを追加したりします。ComfyUI PMRFは、2ステップのアプローチを用いてこれを解決します：まず、クリアな画像がどのように見えるべきかの"最良の推測"を作成し、その後、先進的な数学を使ってこの推測を自然に見えるように移送します - ラフなスケッチと完成した絵画の違いのように。

ComfyUI PMRFの科学

ComfyUI PMRFは、画像復元における基本的な"歪み-知覚トレードオフ"に対処します。重要な洞察は、画像を復元する最適な方法はランダムに推測することではなく（ほとんどのAI方法が行うように）、数学的に証明された道をたどることです。ComfyUI PMRFはまず"posterior mean"（統計的に最良の推測）を予測し、その後"rectified flow"を使用してこの予測を自然画像分布に最適に移送します。これにより、最小限のエラーと最大限の視覚品質が保証されます。

ComfyUI PMRFに関する詳細情報

追加の詳細と開発参照については、以下をご覧ください:

• PMRFオリジナル研究 by Technion—Israel Institute of Technology
• 論文: "Posterior-Mean Rectified Flow: Towards Minimum MSE Photo-Realistic Image Restoration" (ICLR 2025)
• プロジェクトページ: https://pmrf-ml.github.io/
• オンラインデモ: https://huggingface.co/spaces/ohayonguy/PMRF

謝辞

このComfyUI PMRFワークフローは、Technion—Israel Institute of TechnologyのGuy Ohayon、Tomer Michaeli、Michael Eladによって開発されたPMRF (Posterior-Mean Rectified Flow)によって動力を与えられています。この研究はICLR 2025で発表されました。

このComfyUI PMRF統合は、元の実装におけるメモリ問題のバグ修正を含みます。写真のような画像復元における彼らの画期的な仕事に対する完全なクレジットは、オリジナルの著者に帰します。