C21: Dominar los prompts de imagen a imagen y la escala CFG en ComfyUI

Introducción

En nuestro artículo anterior, «Image-to-Image Transformation in ComfyUI» , exploramos los fundamentos de la creación de un flujo de trabajo de imagen a imagen. Hablamos de cómo la difusión en el espacio latente permite transformaciones creativas sin perder los elementos esenciales de la imagen de entrada. Si es la primera vez que usa ComfyUI o los flujos de trabajo de imagen a imagen, le recomendamos leer primero ese artículo para entender los conceptos básicos.

En esta guía de continuación, profundizaremos en la elaboración de prompts, la escala de guía sin clasificador (CFG) y la intensidad de eliminación de ruido: tres factores fundamentales que influyen en la calidad y el estilo de las imágenes generadas. Al optimizar estos parámetros, puede lograr un equilibrio perfecto entre la creatividad artística y la fidelidad a la imagen original.

¿Qué es la escala CFG y por qué es importante?

La escala de guía sin clasificador (CFG) es un parámetro clave en los flujos de trabajo de IA generativa que determina con qué fuerza el modelo sigue el prompt proporcionado. Una escala CFG más alta da más influencia al prompt, mientras que una escala CFG más baja permite que el modelo incorpore más aleatoriedad de su espacio latente.

La escala CFG es especialmente importante en los flujos de trabajo de imagen a imagen, en los que se desea conservar detalles concretos de la imagen de entrada e introducir al mismo tiempo cambios estilísticos.

Parámetros clave en los prompts de imagen a imagen

1. Elaboración de prompts eficaces

Al crear prompts para flujos de trabajo de imagen a imagen, es esencial incluir elementos tanto de contenido como de estilo. Un prompt bien elaborado garantiza que el modelo genere imágenes acordes con su visión creativa.

Ejemplos de prompts:

Prompt de contenido:
Picos montañosos majestuosos, valles verdes y frondosos, luz dorada del sol entre las nubes, niebla atmosférica, sereno y tranquilo.
Prompt de estilo:
Pintura de acuarela, pinceladas suaves, paleta de colores vibrante pero natural, impresión artística.
Prompt negativo:
Sin edificios, sin vehículos, sin personas, sin objetos artificiales.

Los prompts negativos son fundamentales para eliminar elementos no deseados que podrían restar valor a la composición prevista.

2. Intensidad de eliminación de ruido

El parámetro de intensidad de eliminación de ruido controla cuánto de la imagen original se sustituye en el proceso generativo.

Eliminación de ruido alta (p. ej., 1.0): transforma por completo la imagen de entrada según el prompt.
Eliminación de ruido media (p. ej., 0.5): equilibra la imagen de entrada con modificaciones estilísticas.
Eliminación de ruido baja (p. ej., 0.0–0.3): conserva la mayor parte de la imagen original y aplica cambios artísticos mínimos.

3. Configuración de planificadores y muestreadores

ComfyUI ofrece una gran variedad de muestreadores y planificadores para afinar el proceso de generación de imágenes:

Muestreador DPM++2M: conocido por su precisión y sus resultados de alta calidad.
Planificador Karras: optimizado para obtener resultados más rápidos con menos pasos, centrándose en las etapas iniciales de la difusión.

Optimización del flujo de trabajo

Paso 1: ajustar la escala CFG

Aumentar la escala CFG amplifica la influencia del prompt y permite obtener resultados más estilizados. Por ejemplo:

Escala CFG de 7–8: produce resultados equilibrados que combinan el prompt y la imagen original.
Escala CFG de 10–12: gran fidelidad al prompt, pero puede provocar sobreajuste o alucinaciones.

Cuando se usan escalas CFG altas, es esencial combinarlas con valores de eliminación de ruido adecuados para evitar desviaciones excesivas respecto a la imagen de entrada.

Paso 2: afinar la configuración de eliminación de ruido

Para lograr el equilibrio deseado entre la imagen original y el estilo artístico:

Empiece con un valor de eliminación de ruido de 0.5 para una difusión moderada.
Reduzca gradualmente el valor de eliminación de ruido en pequeños incrementos (p. ej., 0.45, 0.44) para afinar los detalles sin perder la imagen original.
Evite valores cercanos a 0.0, ya que producirán resultados casi idénticos a la imagen de entrada.

Paso 3: usar el planificador Karras para mayor eficiencia

El planificador Karras permite usar menos pasos sin perder resultados de alta calidad. Por ejemplo:

30 pasos: produce resultados detallados y refinados.
8 pasos: genera composiciones más rápidas y aleatorias.

Resultados de ejemplo

Comparación de valores de eliminación de ruido

Con una imagen de un paisaje montañoso, se observaron los siguientes resultados:

Eliminación de ruido 1.0: pintura de acuarela totalmente estilizada, sin parecido con la imagen original.

Eliminación de ruido 0.5: representación artística equilibrada, con picos reconocibles.

Eliminación de ruido 0.3: casi idéntica a la imagen original, con sutiles mejoras artísticas.

Eliminación de ruido 0.0: imagen puramente remuestreada, indistinguible de la entrada.

Impacto de la escala CFG

Con una escala CFG de 10 y una eliminación de ruido de 0.4, la imagen final conservó el estilo artístico y se ajustó fielmente a los detalles de la foto original. Sin embargo, aumentar demasiado la CFG (p. ej., CFG 12 con eliminación de ruido 1.0) provocó sobreajuste y resultados poco realistas.

Consejos para el ajuste fino

Experimente con la escala CFG:
- Empiece con un valor moderado (p. ej., 8) y ajústelo según el resultado deseado.
- Evite valores excesivamente altos, salvo que el prompt requiera una influencia fuerte.
Use prompts negativos:
- Elimine elementos no deseados, como edificios, vehículos u objetos artificiales.
Optimice los pasos con el planificador Karras:
- Use menos pasos (p. ej., 8) para obtener resultados más rápidos.
- Aumente los pasos (p. ej., 30) para obtener resultados detallados.
Ajuste los valores de eliminación de ruido de forma iterativa:
- Afine la configuración de eliminación de ruido en pequeños incrementos (p. ej., 0.5 → 0.45 → 0.44) para lograr el mejor equilibrio.

Conclusión

La elaboración de prompts y la escala CFG son herramientas potentes en los flujos de trabajo de imagen a imagen, que permiten a los usuarios controlar el estilo artístico y la fidelidad de las imágenes generadas. Al ajustar con cuidado parámetros como la intensidad de eliminación de ruido, la escala CFG y la configuración del muestreador, los usuarios pueden crear transformaciones impresionantes que respetan la imagen original e incorporan mejoras creativas.

Si desea profundizar en los flujos de trabajo de imagen a imagen, vuelva a nuestro artículo anterior y experimente con las técnicas descritas aquí para afinar aún más sus resultados.