परिचय
हमारे पिछले लेख, “Image-to-Image Transformation in ComfyUI” में, हमने इमेज-टू-इमेज वर्कफ़्लो बनाने की बुनियादी बातों का पता लगाया था। हमने चर्चा की थी कि लेटेंट स्पेस डिफ़्यूज़न इनपुट इमेज के आवश्यक तत्वों को बनाए रखते हुए रचनात्मक रूपांतरण कैसे संभव बनाता है। यदि आप ComfyUI या इमेज-टू-इमेज वर्कफ़्लो में नए हैं, तो बुनियादी बातें समझने के लिए हम पहले उस लेख को पढ़ने की सलाह देते हैं।
इस अनुवर्ती मार्गदर्शिका में, हम प्रॉम्प्ट तैयार करने, क्लासिफ़ायर-फ़्री गाइडेंस (CFG) स्केल और डीनॉइज़ शक्ति के बारे में गहराई से जानेंगे — ये तीन महत्वपूर्ण कारक हैं जो आपकी उत्पन्न इमेज की गुणवत्ता और शैली को प्रभावित करते हैं। इन पैरामीटर को अनुकूलित करके, आप कलात्मक रचनात्मकता और मूल इमेज के प्रति निष्ठा के बीच एक आदर्श संतुलन प्राप्त कर सकते हैं।
CFG स्केल क्या है और यह क्यों महत्वपूर्ण है?
क्लासिफ़ायर-फ़्री गाइडेंस (CFG) स्केल जेनरेटिव AI वर्कफ़्लो में एक प्रमुख पैरामीटर है जो यह निर्धारित करता है कि मॉडल दिए गए प्रॉम्प्ट का कितनी दृढ़ता से पालन करता है। उच्च CFG स्केल प्रॉम्प्ट को अधिक प्रभाव देता है, जबकि निम्न CFG स्केल मॉडल को अपने लेटेंट स्पेस से अधिक यादृच्छिकता शामिल करने देता है।
CFG स्केल इमेज-टू-इमेज वर्कफ़्लो में विशेष रूप से महत्वपूर्ण है, जहाँ आप शैलीगत बदलाव लाते हुए इनपुट इमेज के विशिष्ट विवरण बनाए रखना चाहते हैं।
इमेज-टू-इमेज प्रॉम्प्टिंग में प्रमुख पैरामीटर
1. प्रभावी प्रॉम्प्ट तैयार करना
इमेज-टू-इमेज वर्कफ़्लो के लिए प्रॉम्प्ट बनाते समय, सामग्री और शैली दोनों तत्वों को शामिल करना आवश्यक है। एक अच्छी तरह तैयार किया गया प्रॉम्प्ट यह सुनिश्चित करता है कि मॉडल आपकी रचनात्मक दृष्टि से मेल खाती इमेज उत्पन्न करे।
प्रॉम्प्ट के उदाहरण:
- सामग्री प्रॉम्प्ट:
भव्य पर्वत शिखर, हरी-भरी घाटियाँ, बादलों से छनकर आती सुनहरी धूप, वायुमंडलीय धुंध, शांत और निर्मल। - शैली प्रॉम्प्ट:
जलरंग चित्रकारी, नरम ब्रश स्ट्रोक, जीवंत लेकिन प्राकृतिक रंग पैलेट, कलात्मक छाप। - नकारात्मक प्रॉम्प्ट:
कोई इमारत नहीं, कोई वाहन नहीं, कोई व्यक्ति नहीं, कोई कृत्रिम वस्तु नहीं।
नकारात्मक प्रॉम्प्ट उन अवांछित तत्वों को हटाने के लिए महत्वपूर्ण हैं जो इच्छित रचना को खराब कर सकते हैं।
2. डीनॉइज़ शक्ति
डीनॉइज़ शक्ति पैरामीटर यह नियंत्रित करता है कि जेनरेटिव प्रक्रिया द्वारा मूल इमेज का कितना हिस्सा बदल दिया जाता है।
- उच्च डीनॉइज़ (जैसे, 1.0): प्रॉम्प्ट के आधार पर इनपुट इमेज को पूरी तरह बदल देता है।
- मध्यम डीनॉइज़ (जैसे, 0.5): इनपुट इमेज और शैलीगत बदलावों के बीच संतुलन बनाता है।
- निम्न डीनॉइज़ (जैसे, 0.0–0.3): मूल इमेज का अधिकांश हिस्सा बनाए रखता है, न्यूनतम कलात्मक बदलाव लागू करता है।
3. शेड्यूलर और सैंपलर सेटिंग
ComfyUI इमेज निर्माण प्रक्रिया को फ़ाइन-ट्यून करने के लिए कई तरह के सैंपलर और शेड्यूलर प्रदान करता है:
- DPM++2M सैंपलर: सटीकता और उच्च-गुणवत्ता वाले आउटपुट के लिए जाना जाता है।
- Karras शेड्यूलर: डिफ़्यूज़न के शुरुआती चरणों पर ध्यान केंद्रित करते हुए, कम चरणों में तेज़ परिणामों के लिए अनुकूलित है।
वर्कफ़्लो अनुकूलन
चरण 1: CFG स्केल समायोजित करना
CFG स्केल बढ़ाने से प्रॉम्प्ट का प्रभाव बढ़ता है, जिससे अधिक शैलीगत आउटपुट मिलते हैं। उदाहरण के लिए:
- CFG स्केल 7–8: प्रॉम्प्ट और मूल इमेज को मिलाकर संतुलित परिणाम देता है।
- CFG स्केल 10–12: प्रॉम्प्ट का दृढ़ता से पालन करता है, लेकिन इससे ओवरफ़िटिंग या भ्रम हो सकता है।
उच्च CFG स्केल का उपयोग करते समय, इनपुट इमेज से अत्यधिक विचलन से बचने के लिए उन्हें उपयुक्त डीनॉइज़ मानों के साथ जोड़ना आवश्यक है।
चरण 2: डीनॉइज़ सेटिंग को परिष्कृत करना
मूल इमेज और कलात्मक शैली के बीच वांछित संतुलन प्राप्त करने के लिए:
- मध्यम डिफ़्यूज़न के लिए डीनॉइज़ मान 0.5 से शुरू करें।
- मूल इमेज को बनाए रखते हुए विवरण परिष्कृत करने के लिए डीनॉइज़ मान को छोटे-छोटे चरणों में धीरे-धीरे कम करें (जैसे, 0.45, 0.44)।
- 0.0 के पास के मानों से बचें, क्योंकि वे इनपुट इमेज से लगभग समान परिणाम देंगे।
चरण 3: दक्षता के लिए Karras शेड्यूलर का उपयोग करना
Karras शेड्यूलर उच्च-गुणवत्ता वाले परिणाम बनाए रखते हुए कम चरणों का उपयोग करने देता है। उदाहरण के लिए:
- 30 चरण: विस्तृत, परिष्कृत आउटपुट देता है।
- 8 चरण: तेज़, अधिक यादृच्छिक रचनाएँ उत्पन्न करता है।
उदाहरण परिणाम
डीनॉइज़ मानों की तुलना
पर्वतीय परिदृश्य की इमेज का उपयोग करते हुए, निम्नलिखित परिणाम देखे गए:
- डीनॉइज़ 1.0: पूरी तरह शैलीगत जलरंग चित्रकारी, मूल इमेज से कोई समानता नहीं।
- डीनॉइज़ 0.5: पहचानने योग्य शिखरों के साथ संतुलित कलात्मक प्रस्तुति।
- डीनॉइज़ 0.3: मूल इमेज से लगभग समान, सूक्ष्म कलात्मक सुधारों के साथ।
- डीनॉइज़ 0.0: पूरी तरह से पुन: नमूना की गई इमेज, इनपुट से अलग नहीं की जा सकती।
CFG स्केल का प्रभाव
CFG स्केल 10 और डीनॉइज़ 0.4 के साथ, अंतिम इमेज ने कलात्मक शैली बनाए रखी और मूल फ़ोटो के विवरण से बारीकी से मेल खाई। हालाँकि, CFG को बहुत अधिक बढ़ाने से (जैसे, डीनॉइज़ 1.0 के साथ CFG 12) ओवरफ़िटिंग हुई और अवास्तविक परिणाम मिले।
फ़ाइन-ट्यूनिंग के लिए सुझाव
- CFG स्केल के साथ प्रयोग करें:
- मध्यम मान (जैसे, 8) से शुरू करें और वांछित आउटपुट के आधार पर समायोजित करें।
- जब तक प्रॉम्प्ट को मजबूत प्रभाव की आवश्यकता न हो, अत्यधिक उच्च मानों से बचें।
- नकारात्मक प्रॉम्प्ट का उपयोग करें:
- इमारतों, वाहनों या कृत्रिम वस्तुओं जैसे अवांछित तत्वों को हटाएँ।
- Karras शेड्यूलर के साथ चरणों को अनुकूलित करें:
- तेज़ परिणामों के लिए कम चरणों (जैसे, 8) का उपयोग करें।
- विस्तृत आउटपुट के लिए चरण बढ़ाएँ (जैसे, 30)।
- डीनॉइज़ मानों को दोहराते हुए समायोजित करें:
- सर्वोत्तम संतुलन के लिए डीनॉइज़ सेटिंग को छोटे-छोटे चरणों में परिष्कृत करें (जैसे, 0.5 → 0.45 → 0.44)।
निष्कर्ष
प्रॉम्प्टिंग और CFG स्केल इमेज-टू-इमेज वर्कफ़्लो में शक्तिशाली टूल हैं, जो उपयोगकर्ताओं को उत्पन्न इमेज की कलात्मक शैली और निष्ठा को नियंत्रित करने में सक्षम बनाते हैं। डीनॉइज़ शक्ति, CFG स्केल और सैंपलर सेटिंग जैसे पैरामीटर को सावधानीपूर्वक समायोजित करके, उपयोगकर्ता शानदार रूपांतरण बना सकते हैं जो मूल इमेज का सम्मान करते हुए रचनात्मक सुधारों को शामिल करते हैं।
यदि आप इमेज-टू-इमेज वर्कफ़्लो में गहराई से जाना चाहते हैं, तो हमारे पिछले लेख को फिर से देखें और अपने परिणामों को और परिष्कृत करने के लिए यहाँ बताई गई तकनीकों के साथ प्रयोग करें।
1 thought on “C21: Mastering Image-to-Image Prompting and CFG Scale in ComfyUI”