言語: English · 简体中文 · 繁體中文 · Español · Português · Deutsch · Français · 日本語 · 한국어 · Русский · हिन्दी

C16：SDXL ベースモデルとリファイナーモデルのワークフロー – 完全ガイド

著者：

はじめに

 SDXL モデルは 、画像生成と精緻化のための強力な機能を提供し、クリエイティブなワークフローの人気の選択肢となっています。この記事では、ベースモデルとリファイナーモデルの両方を使用して、完全な SDXL ワークフローをセットアップする方法を説明します。これらのモデルを効果的に活用することで、ディテールと芸術的効果が向上した高品質な画像を生成できます。

便宜上、モデルは次の場所からダウンロードしてください。

モデルをダウンロードしたら、フォルダー「C:\Users\<username>\Documents\ComfyUI\models\checkpoints」に配置してください。

SDXL とは？

 Stable Diffusion XL (SDXL) モデルは、AI を使った画像生成の分野における大きな進歩を表しています。Stability AI によって開発されたこのモデルは、以前の Stable Diffusion バージョンの成功を基に、超リアルで高解像度の画像を生成するための強化された機能を導入しています。

SDXL の主な機能：

  1. 2 段階のワークフロー：SDXL は 2 つのモデルで動作するように設計されています。
    • ベースモデル：基本的な特徴、テクスチャ、構図を持つ初期画像の生成を担当します。
    • リファイナーモデル：ディテールを精緻化し、テクスチャを改善し、芸術的効果を加えることで、生成された画像をさらに向上させます。
  2. 高解像度の出力：SDXL は最大 1024×1024 ピクセルの解像度をサポートしており、詳細で高品質な画像を必要とするクリエイティブなプロジェクトに最適です。
  3. プロンプト理解の向上：このモデルは複雑なプロンプトの解釈に優れており、ユーザーはクリエイティブなビジョンに合った高度にカスタマイズされた出力を作成できます。
  4. ノイズ管理：SDXL には、画像生成中のノイズを管理するための高度な手法が組み込まれており、ベース段階からリファイナー段階へのスムーズな移行が可能です。
  5. さまざまなスタイルへの対応：フォトリアリズム、抽象芸術、様式化された出力のいずれを目指す場合でも、SDXL は驚くほどの柔軟性でさまざまな芸術スタイルに適応します。

SDXL を使う理由

SDXL は、創造性と正確性の両方を必要とするワークフローに特に役立ちます。 ベースモデル と リファイナーモデルを組み合わせることで、視覚的に素晴らしいだけでなく、高度にカスタマイズ可能な結果を得ることができます。そのため、SDXL はデジタルアート、グラフィックデザイン、ビジュアルストーリーテリングなどの分野のプロフェッショナルにとって優れた選択肢となります。

SDXL ワークフローのセットアップ

ステップ 1：ベースモデルの設定

まず、 SDXL Base 1.0 checkpoint をワークフローに読み込みます。 K Sampler Advanced Node を使用して、画像生成プロセスを調整します。

  1. Add Noise：通常の拡散プロセスを実行するために、ベースモデルでノイズの追加を有効にします。
  2. ステップ設定：総ステップ数を 30 に設定します。ただし、2 つ目のサンプラーノードが後で精緻化できるように、ノイズを少し残しておいてください。
  3. Return with Leftover Noise を有効にする：これにより、潜在空間にノイズが少し残り、リファイナーモデルが処理できるようになります。
設定するパラメーター：
  • Add Noise：Enable
  • End at Step：20（30 ステップ中）
  • Return with Leftover Noise：Enable

ワークフローを実行して初期画像を生成します。この画像をディスクに保存し、後で比較できるようにします。

ステップ 2：リファイナーモデルのセットアップ

ベースモデルが初期画像を生成したら、 SDXL Refiner Modelを使って精緻化する番です。

  1. Load Checkpoint：SDXL リファイナーモデルをワークフローに読み込みます。
  2. ノイズの追加を無効にする：画像にはすでにベースモデルからのノイズが含まれているため、リファイナーモデルではノイズの追加を無効にします。
  3. ノードを接続する：
    • Positive Conditioning：ポジティブプロンプトをリファイナーモデルに接続します。
    • Negative Conditioning：ネガティブプロンプトをリファイナーモデルに接続します。
    • Latent：潜在空間をベースモデルからリファイナーモデルに渡します。
設定するパラメーター：
  • Add Noise：Disable
  • Start at Step：20
  • End at Step：30
  • Control After Generate：Fixed

ステップ 3：ワークフローの最適化

プロセスを効率化するには、 プリミティブノード を使用して、ベースモデルとリファイナーモデルの間でプロンプトを受け渡します。これにより、プロンプトを手動で重複させることを避け、一貫性を確保できます。

  1.  Primitive Node を使用して、ポジティブプロンプトとネガティブプロンプトを両方のモデルに振り分けます。
  2. プロンプトを Clip Text Encode Conditioning Nodes に接続します（各モデル用）。

ステップ 4：出力の保存と比較

画像を精緻化した後、 Save Image Extended Nodeを使って最終出力を保存します。このノードのメタデータを更新して、リファイナーモデルから正しいデータが取得されるようにします。

メタデータの更新：
  • Save Image Extended Node のプレースホルダー（例：ハッシュ記号）をこの ID に置き換えてください。

保存したら、出力を比較します。

  • ベースモデルの出力：ノイズが含まれ、ディテールが少なく見えます。
SDXL ベースモデルの出力：
  • ベースモデル＋リファイナーモデルの出力：ノイズが除去され、水彩効果が強化され、ディテールが向上した洗練された画像になります。
SDXL ベースモデル＋リファイナーモデルの出力：

参考用のプロンプト例

最良の結果を得るには、よく練られたプロンプトから始めましょう。以下に、使用できるポジティブプロンプトとネガティブプロンプトの例を示します。

ポジティブプロンプト：

A fantasy castle surrounded by lush greenery, intricate architectural details, vibrant colors, and a glowing sunrise in the background, watercolor style, ultra-realistic, 4K resolution

ネガティブプロンプト：

Blurry, low-quality, distorted, overexposed, grainy, unrealistic proportions, poorly lit, low resolution

これらのプロンプトは、クリエイティブなビジョンに合わせてカスタマイズできます。

K Sampler Advanced Node の主要パラメーター

両方のモデルで使用される K Sampler Advanced Node の主要パラメーターの概要は次のとおりです。

パラメーターベースモデルリファイナーモデル
Add NoiseEnabledDisabled
End at Step2030
Return with Leftover NoiseEnabledN/A
Control After GenerateN/AFixed

SDXL ベースモデルとリファイナーモデルを使うメリット

ワークフローでベースモデルとリファイナーモデルを組み合わせることで、次のことが実現できます。

  • 画質の向上：リファイナーモデルが残留ノイズを除去し、ディテールを向上させます。
  • 芸術的効果の向上：クリエイティブな出力のために、テクスチャと色のブレンドが向上します。
  • ワークフローの効率化：プリミティブノードの使用とプロンプトの振り分けにより、手入力のエラーを減らすことができます。

コメントを残す