PMRF 초고속 업스케일러 | 저용량 VRAM ComfyUI

1. ComfyUI PMRF 워크플로우란 무엇인가요?

ComfyUI PMRF 워크플로우는 혁신적인 Posterior-Mean Rectified Flow 알고리즘을 ComfyUI 환경에 통합하여 사진 실감 얼굴 복원을 수행합니다. Technion—Israel Institute of Technology (ICLR 2025)의 최첨단 연구에 기반하여, ComfyUI PMRF는 이미지 복원의 근본적인 과제인 최소 왜곡을 달성하면서 완벽한 지각 품질을 유지하는 것을 해결합니다. 전통적인 후방 샘플링이나 GAN 기반 접근 방식에 의존하는 방법과 달리, ComfyUI PMRF는 완벽한 지각 품질 제약 하에서 평균 제곱 오차(MSE)를 최소화하는 수학적으로 최적의 추정기를 근사합니다.

2. ComfyUI PMRF의 이점:

⚡ 전례 없는 속도 성능 ⚡

이 ComfyUI PMRF 워크플로우는 초고속으로 결과를 몇 초 만에 제공합니다! 2배 업스케일링에 1.29초로, ComfyUI PMRF는 현재 RunComfy 플랫폼에서 이용 가능한 모든 업스케일 워크플로우 중 가장 빠릅니다. 다른 방법들이 몇 분이 걸리는 동안, ComfyUI PMRF는 눈 깜박할 사이에 얼굴 복원을 완료합니다!

다른 업스케일 워크플로우는 이 페이지 하단을 참조하세요

• 초고속 처리: ComfyUI PMRF는 RTX 4090에서 단 1.29초 만에 2배 얼굴 업스케일링(512×682에서 1024×1364)을 달성하며, 전통적인 SD 업스케일링 방법들이 몇 분이 걸리는 것과 비교됩니다
• 저용량 VRAM 요구 사항: ComfyUI PMRF는 3.3GB VRAM만으로 효율적으로 작동하며, 경쟁 솔루션(DifFBIR는 8GB 필요, Topaz PhotoAI는 20GB 필요)보다 현저히 낮습니다
• 우수한 디테일 보존: ComfyUI PMRF의 고급 posterior-mean rectified flow 알고리즘은 흐림 및 노이즈 아티팩트를 제거하면서 자연스러운 얼굴 특징을 유지합니다
• 메모리 문제 해결: 이 ComfyUI PMRF 버전은 원본 PMRF 릴리스에서의 1GB VRAM 점유 버그를 해결합니다
• 수학적으로 최적: ComfyUI PMRF는 사진 실감 복원 작업을 위한 이론적으로 최적의 추정기를 증명 가능하게 근사합니다

3. ComfyUI PMRF 워크플로우 사용 방법

3.1 ComfyUI PMRF를 사용한 생성 방법

ComfyUI PMRF 얼굴 복원에 대한 예제 설정:

1. 입력 준비: Load Image 노드에서:
   • 열화된/흐릿한 얼굴 이미지를 업로드합니다
   • 이미지가 얼굴에 초점을 맞추도록 올바르게 정렬되고 잘려 있는지 확인합니다
2. ComfyUI PMRF 노드 구성:
   • num_steps 설정 (속도를 위해 25, 최대 품질을 위해 100)
   • scale 설정 (2.0은 2배 업스케일링, 필요에 따라 조정)
3. Queue Prompt 버튼을 클릭하여 ComfyUI PMRF 워크플로우를 실행합니다
4. Save Image에서: 향상된 얼굴 복원 출력을 얻습니다

3.2 ComfyUI PMRF에 대한 매개변수 참조

ComfyUI PMRF 코어 노드: 이 노드는 posterior-mean rectified flow 복원 과정을 수행합니다.

• scale: 출력 이미지의 업스케일링 팩터 (2.0 = 2배 크기, 1.5 = 1.5배 크기 등).
• num_steps: 정류 흐름 반복 횟수.
• seed: 재현 가능한 결과를 위한 랜덤 시드.
• control_after_generate: 배치 처리에 대한 시드 동작을 결정 (랜덤/고정).
• interpolation: 업스케일링 과정에서 사용되는 리샘플링 방법 (최고 품질을 위해 lanczos4 권장).

3.3 ComfyUI PMRF로 고급 최적화

ComfyUI PMRF의 스케일 매개변수 이해하기: scale 매개변수는 업스케일링 팩터를 제어합니다 - 이는 이미지 크기의 배수입니다. ComfyUI PMRF에 대한 올바른 스케일 값을 계산하려면:

스케일 계산 공식:

scale = 목표 해상도 ÷ 입력 해상도

ComfyUI PMRF에 대한 실용적인 예제:

• 4K 출력 (3840×2160)용: 입력이 1920×1080인 경우, scale: 2.0 사용 (3840÷1920=2.0)
• 1280×720에서 4K 출력: scale: 3.0 사용 (3840÷1280=3.0)
• 1280×720에서 2K 출력 (2560×1440): scale: 2.0 사용 (2560÷1280=2.0)
• 사용자 정의 크기: 항상 목표 너비를 입력 너비로 나누어 스케일 값을 얻습니다

💡 전문가 팁: 반복적 향상

단일 패스 결과가 만족스럽지 않은 심하게 열화된 이미지의 경우, 반복적 처리를 사용할 수 있습니다: ComfyUI PMRF 출력을 다시 입력으로 사용하여 또 다른 복원 라운드를 수행합니다. 이 다중 패스 접근 방식은 매우 까다로운 이미지에 대해 더욱 나은 결과를 얻을 수 있습니다.

기술적 배경

ComfyUI PMRF의 작동 방식

이미지 복원을 흐릿한 사진을 수정하는 것이라고 생각해 보세요. 전통적인 방법은 이미지를 너무 부드럽게 만들거나(중요한 디테일을 잃음) 자연스럽게 보이게 하려고 이상한 아티팩트를 추가합니다. ComfyUI PMRF는 두 단계 접근 방식을 사용하여 이를 해결합니다: 먼저, 선명한 이미지가 어떻게 보여야 하는지 "최고의 추측"을 생성한 다음, 고급 수학을 사용하여 이 추측을 완벽하게 자연스럽게 보이도록 이동시킵니다 - 대략적인 스케치와 완성된 그림의 차이와 같습니다.

ComfyUI PMRF의 과학

ComfyUI PMRF는 이미지 복원에서 "왜곡-지각 트레이드오프"의 근본적인 문제를 해결합니다. 핵심 통찰력은 이미지를 복원하는 최적의 방법이 무작위로 추측하는 것이 아니라(대부분의 AI 방법처럼), 수학적으로 증명된 경로를 따르는 것입니다. ComfyUI PMRF는 먼저 "posterior mean"(통계적으로 최고의 추측)을 예측한 다음 "rectified flow"를 사용하여 이 예측을 자연 이미지 분포로 최적화하여 이동시킵니다. 이는 최소 오류와 최대 시각적 품질을 보장합니다.

ComfyUI PMRF에 대한 추가 정보

추가 세부 정보 및 개발 참조:

• 에서의 PMRF 원본 연구
• 논문: "Posterior-Mean Rectified Flow: Towards Minimum MSE Photo-Realistic Image Restoration" (ICLR 2025)
• 프로젝트 페이지:
• 온라인 데모:

감사의 말

이 ComfyUI PMRF 워크플로우는 Technion—Israel Institute of Technology의 Guy Ohayon, Tomer Michaeli, Michael Elad에 의해 개발된 **PMRF (Posterior-Mean Rectified Flow)**에 의해 구동됩니다. 연구는 ICLR 2025에 발표되었습니다.

ComfyUI PMRF 통합은 원본 구현의 메모리 문제에 대한 버그 수정을 포함합니다. 사진 실감 이미지 복원에서의 획기적인 작업에 대한 모든 공로는 원작자들에게 돌아갑니다.