PMRF 超快速放大器 | 低VRAM ComfyUI
此ComfyUI PMRF工作流实现了最先进的Posterior-Mean Rectified Flow算法，用于照片级面部修复。仅用1.29秒即可实现2倍图像放大，同时仅使用3.3GB VRAM。与传统方法如Topaz PhotoAI相比，该工作流在恢复模糊面部、去除噪音和增强图像质量方面表现出色，具有卓越的细节保留能力。ComfyUI PMRF Workflow
- 完全可操作的工作流
- 没有缺失的节点或模型
- 无需手动设置
- 具有惊艳的视觉效果
ComfyUI PMRF Examples
ComfyUI PMRF Description
1. 什么是ComfyUI PMRF工作流？
ComfyUI PMRF工作流将革命性的Posterior-Mean Rectified Flow算法集成到ComfyUI环境中，用于照片级面部修复。基于Technion—以色列理工学院（ICLR 2025）的最前沿研究，ComfyUI PMRF解决了图像修复中的基本挑战：在保持完美感知质量的同时实现最小失真。与依赖后验采样或基于GAN的方法不同，ComfyUI PMRF近似于在完美感知质量约束下最小化均方误差（MSE）的数学最优估计器。
2. ComfyUI PMRF的优点：
⚡ 前所未有的速度性能 ⚡
此ComfyUI PMRF工作流超快速 - 仅需几秒钟即可交付结果！在1.29秒内实现2倍放大，ComfyUI PMRF比RunComfy平台上任何当前可用的放大工作流都要快。当其他方法需要几分钟时，ComfyUI PMRF在眨眼的时间内完成面部修复！
有关其他放大工作流，请参见本页底部
- 超快速处理： ComfyUI PMRF在RTX 4090上仅用1.29秒即可实现2倍面部放大（512×682到1024×1364），而传统的SD放大方法则需要几分钟
- 低VRAM要求： ComfyUI PMRF仅需3.3GB VRAM即可高效运行，显著低于竞争解决方案（DifFBIR需要8GB，Topaz PhotoAI需要20GB）
- 卓越的细节保留： ComfyUI PMRF的先进后验均值校正流算法在消除模糊和噪点的同时保持自然的面部特征
- 内存问题修复： 此ComfyUI PMRF版本解决了原始PMRF发布中存在的1GB VRAM占用错误
- 数学最优： ComfyUI PMRF可证明地近似于照片级修复任务的理论最优估计器
3. 如何使用ComfyUI PMRF工作流
3.1 使用ComfyUI PMRF的生成方法
ComfyUI PMRF面部修复示例设置：
- 准备输入：
在
Load Image节点中：- 上传您的降级/模糊面部图像
- 确保图像正确对齐并裁剪以聚焦于面部
- 配置ComfyUI PMRF节点：
- 设置
num_steps（25用于速度，100用于最高质量） - 设置
scale（2.0用于2倍放大，根据需要调整）
- 设置
- 点击
Queue Prompt按钮运行ComfyUI PMRF工作流 - 在
Save Image中：获取增强的面部修复输出
3.2 ComfyUI PMRF参数参考
ComfyUI PMRF核心节点： 此节点执行后验均值校正流修复过程。
scale：输出图像的放大因子（2.0 = 2倍大，1.5 = 1.5倍大等）。num_steps：校正流迭代次数。seed：用于可重复结果的随机种子。control_after_generate：确定批处理的种子行为（随机/固定）。interpolation：放大过程中使用的重采样方法（推荐lanczos4以获得最佳质量）。
3.3 使用ComfyUI PMRF进行高级优化
理解ComfyUI PMRF中的Scale参数：
scale参数控制放大因子 - 它是图像尺寸的乘数。要计算ComfyUI PMRF的正确缩放值：
缩放计算公式：
scale = 目标分辨率 ÷ 输入分辨率
ComfyUI PMRF的实际示例：
- 对于4K输出（3840×2160）： 如果您的输入是1920×1080，使用
scale: 2.0（3840÷1920=2.0） - 从1280×720到4K输出： 使用
scale: 3.0（3840÷1280=3.0） - 从1280×720到2K输出（2560×1440）： 使用
scale: 2.0（2560÷1280=2.0） - 对于自定义尺寸： 始终将目标宽度除以输入宽度以获得缩放值
💡 专业提示：迭代增强
对于严重降级的图像，如果单次结果不满意，可以使用迭代处理：将ComfyUI PMRF输出再作为输入进行另一轮修复。此多次处理方法可为极具挑战性的图像取得更好的结果。
技术背景
ComfyUI PMRF的工作原理
将图像修复视为修复模糊照片。传统方法要么使图像过于平滑（失去重要细节），要么在尝试使其看起来自然时添加怪异的伪影。ComfyUI PMRF通过两步方法解决此问题：首先，它创建清晰图像的"最佳猜测"，然后使用先进的数学将此猜测转化为看起来完美自然的图像——就像从粗略草图到完成的画作的区别。
ComfyUI PMRF背后的科学
ComfyUI PMRF解决了图像修复中的"失真-感知权衡"的基本问题。关键见解是，恢复图像的最佳方法不是随机猜测（如大多数AI方法），而是遵循一个数学上证实的路径。ComfyUI PMRF首先预测"后验均值"（统计上最佳猜测），然后使用"校正流"将此预测最优地传输到自然图像分布。这确保了最小的错误和最大的视觉质量。
关于ComfyUI PMRF的更多信息
有关更多详细信息和开发参考：
- PMRF原始研究由完成
- 论文："Posterior-Mean Rectified Flow: Towards Minimum MSE Photo-Realistic Image Restoration" (ICLR 2025)
- 项目页面：
- 在线演示：
致谢
此ComfyUI PMRF工作流由Guy Ohayon, Tomer Michaeli, 和 Michael Elad开发，来自Technion—以色列理工学院。研究发表于ICLR 2025。
ComfyUI PMRF集成包括修复原始实现中的内存问题。全额信用归于原作者在照片级图像修复中的开创性工作。
