C20：掌握 ComfyUI 中的图生图转换

简介

图生图变换是一种强大的技术，用于 AI 驱动的生成模型中，通过将图像转换到潜在空间并应用扩散过程来修改或增强图像。与从噪声开始不同，这种方法允许用户处理现有图像，实现尊重原始内容同时融入风格变化的变换。本文介绍如何在ComfyUI中设置图生图工作流，并探讨去噪值等关键参数，以获得最佳结果。

什么是图生图变换？

图生图变换利用变分自编码器 (VAE)将图像编码到潜在空间，在那里可以使用扩散技术进行修改。然后，潜在图像被解码回像素空间，生成反映所应用变化的新图像。这种方法对于风格迁移、图像修复和创意修改等任务特别有用。

在 ComfyUI 中设置工作流

要在 ComfyUI 中创建图生图工作流，请按照以下步骤操作：

步骤 1：加载图像

添加一个Load Image Node：
- 在 ComfyUI 界面中双击并输入LOAD。
- 选择Load Image Node。
- 单击以上传图像文件。
- 导航到所需的图像文件，然后单击Open。图像将被复制到 ComfyUI 的 input 文件夹。
验证图像位置：
- 检查 ComfyUI 安装目录下的input文件夹。
- 定期清理旧文件，以保持整洁。

步骤 2：缩放图像

大多数生成模型要求图像符合特定的分辨率参数。要调整图像大小：

添加一个Upscale Image Node：
- 双击并输入UPSCALE。
- 选择Upscale Image Node。
- 将此节点连接在Load Image Node和VAE Encode Node之间。
设置分辨率参数：
- 添加一个Resolution Selector Node。
- 通过右键单击宽度和高度小部件，将它们转换为输入。
- 指定所需的宽度和高度值。

步骤 3：将图像编码到潜在空间

添加一个VAE Encode Node：
- 双击并输入VAE。
- 选择VAE Encode Node。
- 将此节点的潜在输出连接到K-Sampler Node的潜在图像输入。
确保模型检查点提供所需的 VAE。

步骤 4：配置采样器参数

K-Sampler Node允许你控制扩散过程的关键参数：

步数：增加步数以获得更好的质量（例如 30 步）。
CFG Scale：设置无分类器引导 scale（例如 8.0），以平衡对提示词和潜在图像的遵循。
采样器类型：使用Euler以获得一致的结果。
去噪强度：调整去噪值，以控制扩散过程中添加和去除的噪声量。

理解去噪值

去噪强度参数决定扩散过程中原始图像被改变的程度。以下是基于不同去噪值的结果细分：

1.00：用生成内容完全替换原始图像。这非常适合根据风格提示词创建全新的图像。
0.5：在原始图像与风格修改之间取得平衡。这有助于在应用艺术变化的同时保留关键特征。
0.2：仅对原始图像做最小程度的改变，确保对输入图像的高度保真，同时应用细微的风格增强。
0.0：基本再现原始图像，仅因编码和解码过程而略有差异。

示例结果

使用Pinnacles的图像作为输入，观察到以下结果：

原始图像：

去噪 1.00：生成了一张全新的图像。

去噪 0.5：生成了Pinnacles的绘画风格版本，但与原始照片略有偏差。

去噪 0.2：在尊重风格提示词的同时，与输入图像高度吻合。

去噪 0.0：再现了原始照片，但由于潜在空间处理而略显扩散。

获得最佳结果的技巧

选择合适的去噪值：
- 对于重大变换：使用接近 1.00 的值。
- 对于细微变化：使用 0.2 至 0.5 之间的值。
- 要保留原始图像：使用接近 0.0 的值。
优化提示词：
- 清楚地指定风格说明。
- 如果希望原始图像占主导地位，请避免包含与内容相关的说明。
关注训练数据偏差：
- 请注意，训练数据集可能会影响输出。例如，训练数据中常见的视角可能会覆盖输入图像的独特特征。

比较原始图像与最终图像

在对Pinnacles的图像使用去噪值0.2进行处理后，结果与原始照片高度吻合，同时应用了艺术增强。这证明了图生图变换在融合风格提示词与输入图像方面的有效性。

结论

ComfyUI 中的图生图变换提供了一种灵活而强大的方式，可利用潜在空间扩散来修改图像。通过仔细配置节点和参数，用户可以实现从细微增强到完全变换的各种结果。调整去噪值是平衡原始图像与风格修改的关键。

C20：掌握 ComfyUI 中的图生图转换

简介

目录

什么是图生图变换？