workflow-lots-of-tweaks-v1

kiko9kiko9
45
930
comfyuiworkflow工具
v1.0

详情

下载文件

模型描述

ComfyUI 工作流：Flux 采样与增强

此 ComfyUI 工作流专注于利用先进的技术（如 Flux 采样、Skimmed CFG、Split Sigmas 去噪和 Clip Attention Multiply）来提升图像生成效果。此外，它还集成了 FaceDetailer，用于对特定身体部位进行精准优化。以下是各节点及其在工作流中作用的简要说明：

自定义节点

1. Model Sampling Flux

Model Sampling Flux 通过使用 max_shift 和 base_shift 等参数，控制图像生成过程中的采样行为：

  • max_shift：控制潜空间中的变化程度。较高的值产生更多样化的输出，而较低的值则生成更稳定的结果。

  • base_shift：确保潜空间中保持最低限度的探索，避免结果过于确定性。

实用建议：

  • 高 max_shift 配合低 base_shift 可激发更具创意的输出。

  • 低 max_shift 配合中等 base_shift 可获得可控且可预测的结果。

2. Skimmed CFG

Skimmed CFG 通过减少正向与负向提示之间的冲突，优化无分类器引导（Classifier-Free Guidance），从而提升提示遵循度、清晰度，并避免如细节过曝等视觉伪影。

核心功能：

  • 替换负值：将冲突的负值替换为正值，以获得平衡结果。

  • 线性插值：平滑正负预测之间的过渡。

  • 双尺度控制：分别控制正向与负向引导，实现精细调整。

  • 定时翻转：通过动态翻转引导，提升质量并减少伪影。

推荐设置：

  • 尺度值在 2–4 之间可获得平衡效果。

  • 较高尺度（5–7）可增强鲜艳度，但可能需要提前切断负向提示（约 65%）。

3. Split Sigmas 去噪

Split Sigmas 去噪将 sigma 值分为两部分，从而实现对扩散过程不同阶段去噪的精确控制。

工作原理：

  • 预分割：处理初始阶段的粗粒度、高噪声部分，建立结构基础。

  • 后分割：在后期阶段细化细节并降低噪声，获得精致结果。

优势：

  • 通过控制去噪强度，提升提示遵循度。

  • 避免过度处理，生成自然且平衡的输出。

实用建议：

  • 较低去噪因子：优先移除粗粒度噪声。

  • 较高去噪因子：更侧重后期细节优化。

4. Clip Attention Multiply

Clip Attention Multiply 用于缩放文本提示中的注意力权重，从而控制特定词元的影响力。

核心功能：

  • 缩放注意力权重：

    • 1：增强词元重要性。

    • <1：降低词元影响。

    • =1：保持词元影响不变。

应用场景：

  • 通过增强或减弱词元权重，精细调整提示影响力。

  • 在多元素提示中平衡视觉元素（例如，突出主体而非背景）。

实用建议：

  • 从小幅调整开始（如 1.2 或 0.8）。

  • 逐步迭代，优化提示遵循度与视觉构图。

5. FaceDetailer

该节点可对面部及身体特定部位（如眼睛、嘴唇、手部）进行精准增强，确保这些关键区域获得针对性优化，从而提升真实感与视觉吸引力。

工作流概要

此 ComfyUI 工作流提供：

  1. 创意灵活性：通过 Model Sampling Flux 与 Split Sigmas 去噪实现。

  2. 提升提示遵循度：借助 Skimmed CFG 与 Clip Attention Multiply。

  3. 精准优化：利用 FaceDetailer 对高细节区域进行强化。

通过组合这些节点，用户可获得视觉效果惊艳、高度可控且量身定制的输出，满足艺术创作或实际应用需求。

此模型生成的图像

未找到图像。