SDXL Ultimate 16 MegaPixel

イントロ

これは私の「究極」のSDXLワークフローです。約1年間、SDXLのチェックポイントを試行錯誤した末に、品質と速度のバランスが取れたこの形にたどり着きました。3分で0から2721x6167の解像度を実現し、Fluxをはるかに凌駕します。このワークフローは、詳細度と解像度においてSDXLの限界を押し広げ、Fluxに近づけることを目指しています。素晴らしいSDXLモデルはたくさんありますが、私はそれらにFluxのようなクリーンな外観をもたらしてほしいと思っています。これらの素晴らしい拡張機能を多数活用することで、Fluxに非常に近い画像を作成できます。私の考えでは、これらはSDXLに「メタン」を注入するようなものです。この中のいくつかのテクニックは非常にマニアックで、多くのワークフローは無駄な要素で肥大化しています。 hopefully、これはあなたがベースとして拡張できるものであることを願っています。

クイックスタート

すべてはテキストから画像への生成向けに初期設定されています。プロンプトを入力してキューに追加してください。例のプロンプトも提供されています。

オプション機能

深度ControlNetまたは画像から画像への生成を、何も変更せずに実行できるように設定されています。以下のグループを有効にするだけでOKです。

• 画像から画像への生成
• 深度ControlNet

アドバンスド

調整可能なパラメーターが多数あります。正直、実験してそれぞれの効果を確認する必要がありますが、私の経験から、特に重要だと感じたポイントを簡単にご紹介します。

• SeaArtLongXLClipMerge
  すべてのSDチェックポイントは77トークンまでのCLIP制限がありますが、このノードはCLIPを248トークンまで拡張し、より多くの詳細を可能にします。実際のヒトが読めるプロンプトは、Fluxと同様にこれによりはるかに良く動作しますが、依然として制限があります。各タイルは、Florence + ベースプロンプトから生成された248トークンを保持でき、タイル数が増えるほど信じられないほど高品質な結果が得られます。

• Clip Text Encode with BREAK
  このノードと長いCLIPマージノードを組み合わせると、多くの新しい可能性が生まれ、コンディショニング周りの複雑なノードを大幅に簡略化します。条件付けされたマージはすべて、BREAKで区切られた1つのプロンプト内にまとまります。

• CLIP NegPip + PerturbedAttentionGuidance
  これらを有効にすると、画像の品質が大幅に向上し、生成物がはるかに整合性があり、意味が通じるようになります。単にこれらを有効にするだけで、多くのアーティファクトが消えます。設定値は1.5～2程度で十分です。

• Dynamic Sampler + Detail Daemon
  私はこれを自分の理想の設定に整えましたが、実験してみてください。これらのダイナミックサンプラーは、画像にFluxのような洗練された滑らかな細部をさらに引き出します。正直、Fluxを通す必要すらありません。これほどクリーンに仕上がるからです。

結論

基本的に、ステップ1と2は、実際のタイル化ステップ3と4のための準備段階です。タイル化に入る前に、画像の構図はほぼ完璧で、大きなアーティファクトがないことが必要です。ステップ1では良い構図を得ることを目的とし、使用するモデルに応じて、コンディショニングやCFGの段階的変化を調整する必要があるかもしれません。ステップ2では、すべての不完全さを洗い流す重労働を行います。TTPlanet Realistic Tile Controlnetを使う場合、2メガピクセルが、タイルに完全に分割する前に最適なポイントです。ステップ3と4は、ほぼ完璧な画像がなければ正しく動作しません。8MPや16MPに進むには、「霧取り」と「シャープネス」のために30%のノイズ削減のみで十分です。2MPを越えると、CFGとノイズ削減の必要性はなくなり、すでに画像は完成しています。あとは、16MPに至るまで、段階的に欠陥を修正していくだけです。これは私の見解です。

誰かがこのワークフローについてどう思うか、また、これ以上改善できる点があればぜひ教えてほしいです。これまで多くのワークフローを試してきましたが、どれもこれほどまでに遠くまで到達したことはありませんでした。