Flux Tweak Clip Detailers
詳細
ファイルをダウンロード
このバージョンについて
モデル説明
CLIPアテンションとディテイラーを用いたFlux
これは、CLIPAttentionMultiplyの調整を用いてプロンプトの忠実性とテキスト品質を向上させるための、私の現在のFluxワークフローです。これらの値を調整することで、画像の整合性をプロンプトにより正確に一致させることができます。通常、画像品質は向上しますが、実験が鍵となります——予期せぬ結果が出ることもあります。自由に試して、楽しく使ってください！
裏で何が起きているのか？
QKVの説明（クエリ - キー - バリュー）：
Q（クエリ）： 文中のトークン同士の影響力を決定します。
K（キー）： 入力テキスト（単語またはサブワード）からのトークンに重みを割り当てます。
V（バリュー）： 入力トークンに適用されるアテンションの強度を制御します。
その他の強化機能
- 生成された画像の特定の領域を精細化・強化するために、複数の身体部位用のディテイラーを追加しました。これにより、より洗練され、詳細な出力が得られます。
設定を自由に探索・調整・実験して、自分に最適な結果を見つけてください！
カスタムノード
Anything Everywhere? / https://github.com/chrisgoringe/cg-use-everywhere
Bookmark (rgthree) / https://github.com/rgthree/rgthree-comfy
FaceDetailer / https://github.com/ltdrdata/ComfyUI-Impact-Pack
Fast Groups Bypasser (rgthree) / https://github.com/rgthree/rgthree-comfy
Image Comparer (rgthree) / https://github.com/rgthree/rgthree-comfy
InjectLatentNoise+ / https://github.com/cubiq/ComfyUI_essentials
JWInteger / https://github.com/jamesWalker55/comfyui-various
Power Lora Loader (rgthree) / https://github.com/rgthree/rgthree-comfy
ProjectFilePathNode / https://github.com/MushroomFleet/DJZ-Nodes
SAMLoader / https://github.com/ltdrdata/ComfyUI-Impact-Pack
SaveImageWithMetaData / https://github.com/edelvarden/ComfyUI-ImageMetadataExtension
Seed Everywhere / https://github.com/chrisgoringe/cg-use-everywhere
UltimateSDUpscale / https://github.com/ssitu/ComfyUI_UltimateSDUpscale
UltralyticsDetectorProvider / https://github.com/ltdrdata/ComfyUI-Impact-Subpack
UnetLoaderGGUF / https://github.com/city96/ComfyUI-GGUF
bbox
face, hand, person, fashion: https://huggingface.co/Bingsu/adetailer/tree/main
- フォルダ：models/ultralytics/bbox/ または models/adetailer
Eyes: /model/178518/eyeful-or-robust-eye-detection-for-adetailer-comfyui
- フォルダ：models/ultralytics/bbox/ または models/adetailer
Breasts: /model/138918/adetailer-after-detailer-female-breast-model
- フォルダ：models/ultralytics/bbox/ または models/adetailer
Private bits: https://huggingface.co/AunyMoons/loras-pack/tree/main
- フォルダ：models/ultralytics/bbox/ または models/adetailer
YOLOモデルの理解と選び方
ファイル名の規則
バージョン番号： ファイル名の数字はYOLOモデルのバージョン（例：YOLOv5、YOLOv8）を示します。
ファイルタイプ： 「.pt」拡張子はPyTorchファイルを意味し、使用可能なトレーニング済みモデルが含まれています。
モデルバリアント： バージョン番号の後には通常「s」や「n」のような文字が続き、モデルのバリアントを示します。
モデルバリアントの説明
Small（「s」）バリアント：
速度と精度のバランスを最適化しています。
大きなバージョンほどリソースを消費しないが、十分な性能を発揮するコンパクトなモデルです。
中程度の計算リソースを持つ環境に適しています。
Nano（「n」）バリアント：
計算リソースが非常に限られた環境向けに設計されています。
速度と効率を優先し、Smallバリアントより高速です。
性能向上の代わりに精度を若干犠牲にします。
適切なモデルの選択
「s」（Small）： 速度と精度の良好なトレードオフが必要なシーンに最適です。中程度の計算リソースがあり、やや大きなモデルサイズを許容できる場合はこのバージョンをご使用ください。
「n」（Nano）： 計算リソースが限られ、速度と効率が最重要な環境に最適です。推論時間を優先し、精度の若干の低下を受け入れられる場合はこのバージョンを選んでください。
SmallとNanoの両バリアントは、元のYOLOモデルをスケールダウンしたバージョンであり、異なる計算リソースの可用性に対応しています。自分の使用状況とハードウェア制約に応じて、適切なバリアントを選択してください。
~~ Kiko!