ComfyUI LayerDiffuse-arbetsflödet integrerar tre specialiserade delarbetsflöden: skapa transparenta bilder, generera bakgrund från förgrunden och den omvända processen att generera förgrund baserat på befintlig bakgrund. Var och en av dessa LayerDiffuse-delarbetsflöden fungerar självständigt och ger dig flexibiliteten att välja och aktivera den specifika LayerDiffuse-funktionaliteten som uppfyller dina kreativa behov.
Detta arbetsflöde möjliggör direkt skapande av transparenta bilder, vilket ger dig flexibiliteten att generera bilder med eller utan att specificera alfakanalmasken.
För detta LayerDiffuse-arbetsflöde, börja med att ladda upp din förgrundsbild och skapa en beskrivande prompt. LayerDiffuse blandar sedan dessa element för att producera din önskade bild. När du skriver din prompt för LayerDiffuse är det avgörande att beskriva hela scenen (t.ex. "en bil parkerad vid sidan av gatan") istället för att bara beskriva bakgrundselementet (t.ex. "gatan").
Spegelvänd till det tidigare arbetsflödet, fokuserar denna LayerDiffuse-funktionalitet på att sammanfoga förgrundselement med en befintlig bakgrund. Därför behöver du ladda upp bakgrundsbilden och beskriva den föreställda slutliga bilden i din prompt, med betoning på hela scenen (t.ex. "en hund som går på gatan") över enskilda element (t.ex. "hunden").
För fler LayerDiffuse-arbetsflöden, kolla på
Medan processen att skapa transparenta bilder är robust och pålitligt producerar högkvalitativa resultat, är arbetsflödena för att blanda bakgrunder och förgrunder mer experimentella. De kanske inte alltid uppnår en perfekt blandning, vilket är ett tecken på den innovativa men utvecklande naturen hos denna teknik.
LayerDiffuse är ett innovativt tillvägagångssätt som är utformat för att göra det möjligt för storskaliga förtränade latenta diffusionsmodeller att generera bilder med transparens. Denna teknik introducerar konceptet "latent transparens," som innebär att alfakanalens transparens kodas direkt in i den latenta manifolden hos befintliga modeller. Detta möjliggör skapande av transparenta bilder eller flera transparenta lager utan att betydligt ändra den ursprungliga latenta distributionen av den förtränade modellen. Målet är att bibehålla den höga kvaliteten hos dessa modeller samtidigt som de får förmågan att generera bilder med transparens.
För att uppnå detta finjusterar LayerDiffuse förtränade latenta diffusionsmodeller genom att justera deras latenta utrymme för att inkludera transparens som en latent offset. Denna process innebär minimala förändringar av modellen och bevarar dess ursprungliga egenskaper och prestanda. Träningen av LayerDiffuse använder en dataset med 1 miljon transparenta bildlagerpar, insamlade genom ett human-in-the-loop-schema för att säkerställa en mängd olika transparenseffekter.
Metoden har visat sig vara anpassningsbar till olika open-source bildgeneratorer och kan integreras i olika villkorade kontrollsystem. Denna mångsidighet möjliggör en rad tillämpningar, såsom att generera bilder med förgrunds-/bakgrundsspecifik transparens, skapa lager med gemensamma genereringsmöjligheter och kontrollera den strukturella innehållet i lagren.
© Copyright 2024 RunComfy. Alla Rättigheter Förbehållna.