C14: Verkettung von Samplern für eine bessere Bildverfeinerung in Stable Diffusion/ComfyUI

Stable Diffusion hat die Bilderzeugung revolutioniert, indem es im latenten Raum statt im Pixelraum arbeitet und den Nutzern so unvergleichliche Flexibilität und Kontrolle bietet. Eine besonders leistungsstarke Technik, die dieses Framework ermöglicht, ist die Verkettung von Samplern, eine Methode, mit der Sie die Bildtreue und die Einhaltung von Prompts verfeinern können, während Sie die gewünschte Komposition bewahren. In diesem Artikel untersuchen wir das Konzept der Verkettung von Samplern, seine praktische Anwendung und wie es genutzt werden kann, um Ihre Stable-Diffusion-Workflows zu verbessern.

Inhaltsverzeichnis

Was ist die Verkettung von Samplern?

Die Verkettung von Samplern bezeichnet den Vorgang, bei dem die latente Ausgabe eines Samplers mit der latenten Eingabe eines weiteren Samplers verbunden wird. Diese Technik ermöglicht eine iterative Verfeinerung eines Bildes, sodass Sie die vom ersten Sampler erzeugte Komposition beibehalten und gleichzeitig Details, Farbgenauigkeit und die Einhaltung von Prompts durch zusätzliche Sampling-Schritte verbessern können.

Wichtige Vorteile der Verkettung von Samplern:

Bessere Einhaltung von Prompts: Erzielen Sie eine bessere Übereinstimmung mit Ihrer gewünschten Bildbeschreibung.
Verbesserte Detailtreue: Fügen Sie feine Details hinzu und verfeinern Sie Texturen, ohne die Kernkomposition zu verändern.
Anpassbare Verfeinerung: Steuern Sie das Ausmaß der Rauschentfernung und des Rauschzusatzes mithilfe des Denoise-Parameters.

Praktisches Beispiel: Verfeinerung einer Bergseeszene

Wenden wir das Konzept der Verkettung von Samplern an, um ein Bild anhand des folgenden Prompts zu erzeugen und zu verfeinern:

“A serene mountain lake surrounded by snow-capped peaks, vibrant autumn foliage, crystal-clear water reflecting the sky, and a wooden cabin on the shore.”

Erste Workflow-Einrichtung

Wir beginnen mit der folgenden Sampler-Konfiguration:

Ich verwende ein Modell, das heruntergeladen wurde von: Realistic Vision V6.0 B1 – V5.1 (VAE) | Stable Diffusion Checkpoint | Civitai

Sampler: DPM++ 2M
Scheduler: Karras
CFG Scale: 8
Schritte: 15

Dieses Setup ist darauf ausgelegt, schnell eine Bildkomposition zu erzeugen, die zum Prompt passt. Das Ergebnis ist vielversprechend, weist aber noch gewisse Mängel auf:

Das Herbstlaub ist matt und wirkt wenig lebendig.
Die Reflexionen im See sind unklar.
Die Holzhütte fehlt entweder oder ist nur schlecht definiert.

Verfeinerung des Bildes: Mehr Schritte vs. Verkettung

Um das Bild zu verbessern, besteht eine Möglichkeit darin, die Anzahl der Sampling-Schritte zu erhöhen. Zum Beispiel:

Schritte auf 40 erhöht: Während mehr Schritte die Detailtreue und die Details verbessern, verändern sie aufgrund von Änderungen im Rauschentfernungsprozess auch die Komposition. Das liegt daran, dass die Menge des bei jedem Schritt entfernten Rauschens die Bildstruktur beeinflusst.

Um die ursprüngliche Komposition nicht zu verlieren und gleichzeitig Details zu verbessern, verwenden wir Verkettung von Samplern.

Einrichten eines verketteten Workflows

So implementieren Sie die Verkettung von Samplern für diesen Prompt:

Primärer Sampler:
- Verwenden Sie denselben Prompt, Seed und dieselben Sampler-Einstellungen wie zuvor (15 Schritte).
- Erzeugen Sie die anfängliche Komposition.
Sekundärer Sampler:
- Speisen Sie die latente Ausgabe des primären Samplers in die latente Eingabe des sekundären Samplers ein.
- Verwenden Sie dasselbe Modell, denselben Prompt, denselben Seed und dieselbe CFG-Skala.
- Erhöhen Sie die Anzahl der Schritte auf 40 für eine feinere Verfeinerung.
- Passen Sie den Denoise-Parameter für optimale Ergebnisse an.

Den Denoise-Parameter verstehen

Der Denoise-Parameter ist entscheidend dafür, wie viel Rauschen während des Sampling-Prozesses hinzugefügt und entfernt wird:

Denoise = 1: Ersetzt die latente Eingabe vollständig und verwirft damit die ursprüngliche Komposition.

Denoise < 1: Bewahrt die latente Eingabe und verfeinert gleichzeitig Details. Für dieses Beispiel stellt ein Denoise-Wert von 0.75 sicher, dass die ursprüngliche Komposition erhalten bleibt, während die visuelle Detailtreue verbessert wird.

Endergebnisse

Durch die Verkettung der Sampler und die Feinabstimmung des Denoise-Parameters erhalten wir ein verfeinertes Bild, das eng am Prompt ausgerichtet ist:

Lebendiges Herbstlaub: Verbesserte Farben und Texturen.
Kristallklare Seereflexionen: Verbesserte Klarheit und Realismus.
Klar definierte Holzhütte: Bessere Einhaltung des Prompts und schärfere Details.

Der Vergleich des anfänglichen Bildes (20 Schritte) mit dem verfeinerten Bild (verkettet mit 40 Schritten und Denoise auf 0,75 gesetzt) zeigt die Wirksamkeit dieser Technik.

So implementieren Sie die Verkettung von Samplern in Ihrem Workflow

So integrieren Sie die Verkettung von Samplern in Ihren Stable-Diffusion-Workflow:

Konfigurieren Sie Ihren primären Sampler so, dass er die gewünschte Komposition erzeugt.
Verbinden Sie die latente Ausgabe des primären Samplers mit der latenten Eingabe eines sekundären Samplers.
Erhöhen Sie die Schritte im sekundären Sampler für eine detaillierte Verfeinerung.
Passen Sie den Denoise-Parameter an, um Kompositionserhalt und Verbesserung der Detailtreue auszubalancieren.

Wichtigste Erkenntnisse

Die Verkettung von Samplern ist ein leistungsstarkes Werkzeug zur Verfeinerung von Bildern, die in Stable Diffusion erzeugt wurden. Mit dieser Technik können Sie:

Die Komposition Ihrer anfänglichen Ausgabe bewahren.
Die visuelle Detailtreue und Details verbessern.
Eine bessere Einhaltung komplexer Prompts erreichen.

Ob Sie Landschaften, Porträts oder abstrakte Kunst erstellen – die Verkettung von Samplern bietet eine flexible und effektive Methode, um hochwertige Ergebnisse zu erzielen.