이 워크플로우는 비의미적 정규화, FFT 도메인 제어 및 카메라 파이프라인 시뮬레이션을 결합한 모듈형 이미지 우회 파이프라인을 ComfyUI에 제공합니다. 입력 라우팅, 전처리 동작 및 출력 일관성을 완전히 제어하면서 이미지 우회 단계를 통해 이미지를 처리하는 신뢰할 수 있는 방법이 필요한 창작자와 연구자를 위해 설계되었습니다.
핵심적으로, 그래프는 이미지를 생성하거나 수집한 후 이미지 우회 스위트를 통해 라우팅하여 센서 유사 아티팩트, 주파수 형성, 텍스처 매칭 및 지각 최적화를 적용할 수 있습니다. 결과는 배치 작업, 자동화 및 소비자 GPU에서의 빠른 반복에 적합한 깨끗하고 구성 가능한 경로입니다. 이미지 우회 논리는 이 저장소에서 제공하는 오픈 소스 유틸리티로 구동됩니다: PurinNyova/Image-Detection-Bypass-Utility.
고수준에서, 이 워크플로우는 이미지 우회 스위트에 들어가는 이미지를 생성하는 두 가지 방법을 제공합니다: 텍스트-이미지 브랜치(T2I)와 이미지-이미지 브랜치(I2I). 둘 다 이미지 우회 논리를 적용하고 최종 결과를 디스크에 작성하는 단일 처리 노드에서 수렴합니다. 그래프는 또한 우회 전의 기본값을 저장하여 출력을 비교할 수 있습니다.
프롬프트에서 새 이미지를 합성하고 싶을 때 이 경로를 사용하세요. 프롬프트 인코더는 CLIPLoader (#164)에 의해 로드되고 CLIP Text Encode (Positive Prompt) (#168) 및 CLIP Text Encode (Negative Prompt) (#163)에 의해 읽힙니다. UNet은 UNETLoader (#165)로 로드되며, 선택적으로 ModelSamplingAuraFlow (#166)에 의해 패치되어 모델의 샘플링 동작을 조정하고 KSampler (#167)에서 EmptySD3LatentImage (#162)에서 시작하여 샘플링됩니다. 디코딩된 이미지는 VAEDecode (#158)에서 나와 SaveImage (#159)를 통해 기본값으로 저장된 후 이미지 우회 스위트로 들어갑니다. 이 브랜치의 주요 입력은 긍정적/부정적 프롬프트와, 원할 경우, KSampler (#167)의 시드 전략입니다.
이미 처리할 이미지가 이미 있는 경우 이 경로를 선택하세요. LoadImage (#157)를 통해 로드하고 IMAGE 출력을 NovaNodes (#146)의 이미지 우회 스위트 입력으로 라우팅합니다. 이는 텍스트 조건화 및 샘플링을 완전히 우회합니다. 배치 후처리, 기존 데이터셋 실험 또는 다른 워크플로우에서 출력 표준화에 이상적입니다. T2I와 I2I 사이를 자유롭게 전환하여 생성할지 엄격히 변환할지 결정할 수 있습니다.
이것이 그래프의 핵심입니다. 중앙 프로세서 NovaNodes (#146)는 들어오는 이미지와 두 개의 옵션 블록: CameraOptionsNode (#145) 및 NSOptionsNode (#144)를 받습니다. 노드는 주파수 형성(FFT 스무딩/매칭), 픽셀 및 위상 변동, 로컬 대비 및 톤 처리, 선택적 3D LUT 및 텍스처 통계 조정을 위한 제어를 노출하는 수동 모드 또는 자동 모드로 작동할 수 있습니다. 두 개의 선택적 입력을 통해 자동 화이트 밸런스 참조 및 FFT/텍스처 참조 이미지를 플러그인하여 정규화를 안내할 수 있습니다. 최종 이미지 우회 결과는 SaveImage (#147)에 의해 작성되어 기본값과 처리된 출력을 나란히 평가할 수 있습니다.
NovaNodes (#146)핵심 이미지 우회 프로세서입니다. 주파수 도메인 형성, 공간 변동, 로컬 톤 제어, LUT 적용 및 선택적 텍스처 정규화를 조율합니다. awb_ref_image나 fft_ref_image를 제공하면 파이프라인 초기에 해당 참조를 사용하여 색상 및 스펙트럼 매칭을 안내합니다. 합리적인 기본값을 얻기 위해 자동 모드에서 시작한 후 수동 모드로 전환하여 효과 강도 및 블렌드를 세밀하게 조정하여 콘텐츠 및 후속 작업에 맞추세요. 일관된 비교를 위해 시드를 설정하고 재사용하세요. 탐색을 위해서는 미세 변화를 다양화하려고 랜덤화하세요.
NSOptionsNode (#144)지각적 유사성을 유지하면서 픽셀을 유도하는 비의미적 최적화기를 제어합니다. 반복 횟수, 학습 속도, 지각/정규화 가중치(LPIPS 및 L2)와 함께 그래디언트 클리핑을 노출합니다. 최소한의 보이는 아티팩트로 미세한 분포 변화를 원할 때 사용하세요. 이미지 우회 파이프라인의 도움 없이 최적화기를 완전히 비활성화하여 얼마나 도움이 되는지 측정하세요.
CameraOptionsNode (#145)디모자이크 및 JPEG 사이클, 비네팅, 색수차, 모션 블러, 밴딩 및 읽기 노이즈와 같은 센서 및 렌즈 특성을 시뮬레이션합니다. 이미지에 그럴듯한 획득 아티팩트를 추가할 수 있는 현실감 레이어로 취급하세요. 목표 캡처 조건과 일치하는 구성 요소만 활성화하세요. 너무 많이 쌓으면 외형이 과도하게 제한될 수 있습니다. 재현 가능한 출력을 위해 카메라 옵션을 동일하게 유지하면서 다른 매개변수를 다양화하세요.
ModelSamplingAuraFlow (#166)모델이 KSampler (#167)에 도달하기 전에 로드된 모델의 샘플링 동작을 패치합니다. 선택한 백본이 대체 단계 궤적에서 이점을 얻을 때 유용합니다. 프롬프트 의도와 샘플 구조 간의 불일치를 발견할 때 조정하고 샘플러 및 스케줄러 선택과 함께 취급하세요.
KSampler (#167)모델, 긍정적 및 부정적 조건부 및 시작 잠재를 제공하여 확산 샘플링을 실행합니다. 주요 레버는 시드 전략, 단계, 샘플러 유형 및 전체 디노이즈 강도입니다. 낮은 단계는 속도를 돕고, 높은 단계는 기본 모델이 필요할 경우 구조를 안정화할 수 있습니다. 이미지 우회 설정을 반복하면서 이 노드의 동작을 안정적으로 유지하여 후처리로 인한 변화를 생성기보다 더 잘 파악할 수 있습니다.
z_image_turbo_bf16을 교체하고 동일한 처리 스택을 통해 결과를 라우팅할 수 있습니다.awb_ref_image 및 fft_ref_image를 제공하세요. 잘못된 참조는 사실감을 떨어뜨릴 수 있습니다.SaveImage (#159)를 기본값으로 유지하고 SaveImage (#147)를 이미지 우회 출력으로 유지하여 설정을 A/B 테스트하고 개선 사항을 추적하세요.EmptySD3LatentImage (#162) 배치 크기는 VRAM이 허용하는 범위 내에서만 증가시키고, 작은 매개변수 변화를 측정할 때는 고정 시드를 선호하세요.이 워크플로우는 다음 작업 및 리소스를 구현 및 구축합니다. 우리는 Image-Detection-Bypass-Utility에 대한 기여 및 유지 관리에 대해 PurinNyova에게 감사드립니다. 권위 있는 세부 사항은 아래에 링크된 원본 문서 및 저장소를 참조하세요.
참고: 참조된 모델, 데이터셋 및 코드의 사용은 저자 및 유지 관리자가 제공하는 해당 라이선스 및 조건에 따릅니다.
RunComfy는 최고의 ComfyUI 플랫폼으로서 ComfyUI 온라인 환경과 서비스를 제공하며 ComfyUI 워크플로우 멋진 비주얼을 제공합니다. RunComfy는 또한 제공합니다 AI Playground, 예술가들이 최신 AI 도구를 활용하여 놀라운 예술을 창조할 수 있도록 지원합니다.
