PMRF 超快速放大器 | 低 VRAM ComfyUI

1. ComfyUI PMRF 工作流程是什麼？

ComfyUI PMRF 工作流程將革命性的 Posterior-Mean Rectified Flow 演算法整合到 ComfyUI 環境中，用於照片真實面部修復。基於以色列理工學院（Technion—Israel Institute of Technology，ICLR 2025）的最先進研究，ComfyUI PMRF 解決了圖像修復中的基本挑戰：在保持完美感知品質的同時實現最小失真。與依賴後驗採樣或基於 GAN 的方法的傳統方法不同，ComfyUI PMRF 近似數學上最佳的估算器，在完美感知品質約束下最小化均方誤差（MSE）。

2. ComfyUI PMRF 的優勢：

⚡ 前所未有的速度性能 ⚡

此 ComfyUI PMRF 工作流程是超快速的 - 僅需幾秒鐘即可交付結果！在 1.29 秒內完成 2 倍放大，ComfyUI PMRF 比目前在 RunComfy 平台上可用的任何放大工作流程都要快。其他方法需要數分鐘，而 ComfyUI PMRF 在眨眼的時間內完成面部修復！

有關其他放大工作流程，請參見此頁底部

• 超快速處理： ComfyUI PMRF 僅用 1.29 秒即可在 RTX 4090 上實現 2 倍面部放大（512×682 到 1024×1364），而傳統 SD 放大方法需要數分鐘
• 低 VRAM 要求： ComfyUI PMRF 僅需 3.3GB VRAM 即可高效運行，顯著低於競爭解決方案（DifFBIR 需要 8GB，Topaz PhotoAI 需要 20GB）
• 優越的細節保留： ComfyUI PMRF 的先進後驗平均修正流演算法在消除模糊和噪點偽影的同時，保持自然的面部特徵
• 內存問題已修復： 此 ComfyUI PMRF 版本解決了原始 PMRF 版本中的 1GB VRAM 佔用錯誤
• 數學上最佳： ComfyUI PMRF 可證明近似於照片真實修復任務的理論最佳估算器

3. 如何使用 ComfyUI PMRF 工作流程

3.1 使用 ComfyUI PMRF 的生成方法

ComfyUI PMRF 面部修復的範例設置：

1. 準備輸入： 在 Load Image 節點中：
   • 上傳您的降質/模糊面部圖像
   • 確保圖像正確對齊並裁剪以專注於面部
2. 配置 ComfyUI PMRF 節點：
   • 設置 num_steps（速度為 25，最大質量為 100）
   • 設置 scale（2.0 用於 2 倍放大，根據需要調整）
3. 點擊 Queue Prompt 按鈕運行 ComfyUI PMRF 工作流程
4. 在 Save Image 中：獲得增強後的面部修復輸出

3.2 ComfyUI PMRF 的參數參考

ComfyUI PMRF 核心節點： 此節點執行後驗平均修正流修復過程。

• scale：輸出圖像的放大因子（2.0 = 大 2 倍，1.5 = 大 1.5 倍等）。
• num_steps：修正流迭代的次數。
• seed：用於可重複結果的隨機種子。
• control_after_generate：確定批處理的種子行為（隨機/固定）。
• interpolation：放大過程中使用的重採樣方法（建議使用 lanczos4 以獲得最佳質量）。

3.3 使用 ComfyUI PMRF 的高級優化

理解 ComfyUI PMRF 中的比例參數： scale 參數控制放大因子 - 它是圖像尺寸的乘數。要計算 ComfyUI PMRF 的正確比例值：

比例計算公式：

scale = 目標解析度 ÷ 輸入解析度

ComfyUI PMRF 的實際例子：

• 用於 4K 輸出（3840×2160）： 如果您的輸入是 1920×1080，使用 scale: 2.0（3840÷1920=2.0）
• 從 1280×720 到 4K 輸出： 使用 scale: 3.0（3840÷1280=3.0）
• 從 1280×720 到 2K 輸出（2560×1440）： 使用 scale: 2.0（2560÷1280=2.0）
• 對於自定義尺寸： 始終將目標寬度除以輸入寬度以獲得比例值

💡 專家提示：迭代增強

對於效果不佳的嚴重降質圖像，可以使用迭代處理：將 ComfyUI PMRF 輸出作為輸入再次進行修復。這種多次處理方法可以為極具挑戰性的圖像實現更好的結果。

技術背景

ComfyUI PMRF 如何工作

請將圖像修復視為修復模糊照片。傳統方法要麼使圖像過於平滑（失去重要細節），要麼在嘗試使其看起來自然時添加奇怪的偽影。ComfyUI PMRF 透過兩步法解決這一問題：首先，它創建了清晰圖像應該如何顯示的"最佳猜測"，然後使用先進的數學運算將此猜測轉換為看起來完美自然的圖像——就像粗略草圖和完成畫作之間的差異。

ComfyUI PMRF 背後的科學

ComfyUI PMRF 解決了圖像修復中的基本"失真感知權衡"。關鍵見解是，修復圖像的最佳方法不是隨機猜測（如大多數 AI 方法所做），而是遵循數學上證明的路徑。ComfyUI PMRF 首先預測"後驗平均"（統計上最佳的猜測），然後使用"修正流"將此預測最佳地傳輸到自然圖像分佈。這確保了最小的錯誤和最大的視覺品質。

關於 ComfyUI PMRF 的更多資訊

有關更多詳細資訊和開發參考：

• PMRF 的原始研究由 Technion—Israel Institute of Technology 提供
• 論文："Posterior-Mean Rectified Flow: Towards Minimum MSE Photo-Realistic Image Restoration" (ICLR 2025)
• 項目頁面：https://pmrf-ml.github.io/
• 在線演示：https://huggingface.co/spaces/ohayonguy/PMRF

致謝

這個 ComfyUI PMRF 工作流程由 PMRF (Posterior-Mean Rectified Flow) 提供支持，由 Guy Ohayon、Tomer Michaeli 和 Michael Elad 從 Technion—Israel Institute of Technology 開發。該研究發表於 ICLR 2025。

ComfyUI PMRF 集成 包括原始實現中的內存問題修復。完整的榮譽歸於原作者，他們在照片真實圖像修復方面的開創性工作。