PMRF 超快速放大器 | 低 VRAM ComfyUI
這個 ComfyUI PMRF 工作流程實現了最先進的 Posterior-Mean Rectified Flow 演算法,用於照片真實面部修復。僅用 1.29 秒即可實現閃電般的 2 倍圖像放大,同時僅使用 3.3GB VRAM。與傳統方法如 Topaz PhotoAI 相比,該工作流程在修復模糊面容、去除噪點和增強圖像品質方面具有優越的細節保留能力。ComfyUI PMRF Workflow
ComfyUI PMRF Examples






ComfyUI PMRF Description
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:
- 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
- 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)
- 設置
- 點擊
Queue Prompt
按鈕運行 ComfyUI PMRF 工作流程 - 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 提供
- 論文:"Posterior-Mean Rectified Flow: Towards Minimum MSE Photo-Realistic Image Restoration" (ICLR 2025)
- 項目頁面:
- 在線演示:
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。