IpAdapterの各weight_typeをテストすることを目的としたワークフロー。

このワークフローにより、IpAdapterのweight_typeの各オプションを横並びで確認し、使用目的に応じて最適な選択肢を判断できます。

私の作業を気に入っていただけたら、いいねを押してくださったり、コメントを残していただいたり、サポートしていただけると非常に嬉しく思います！Coffeeを一杯ご馳走してください

各IpAdapterオプションの簡単な説明：

weight_type – エンベッディングを時間的・空間的に適用するプロファイルを定義：

• linear: 重みを一定かつ線形に適用します。
• ease in: 弱く始まり、徐々に重みの強度を増加させます。
• ease out: 強く始まり、時間とともに弱めていきます。
• ease in-out: 開始と終了の両端で滑らかな遷移を実現します。
• reverse in-out: ease in-outの逆で、中間部に重点を置きます。
• weak input: 初期段階で強度を低くします。
• weak output: 終了段階で強度を低くします。
• weak middle: 処理の中間部で強度が低くなります。
• strong middle: 中間部で強度が高く、両端では低くなります。
• style transfer: 元の画像のスタイルを保持し、滑らかで徐々に強調します。
• composition: 異なるエンベッディングをバランスよく統合し、調和のある遷移を実現しようとします。
• strong style transfer: 参照画像のスタイルエンベッディングを強く適用します。

embeds_scaling – エンベッディングをアテンションメカニズムに統合する方法を定義：

• V only: クロスアテンションで値ベクトル（V）のみを使用。影響が比較的弱い。
• K+V: キー（K）と値（V）の両方を使用。結果に更大的な影響を与えます。
• K_V w/ C penalty: K+Vと同じだが、一貫性ペナルティ（C）を加えて歪みを回避します。
• K+mean(V) w/ C penalty: KとVの平均値を使用し、一貫性ペナルティを適用。滑らかさと制御のバランスをとりやすくなります。

combine embeddings – 複数のエンベッディングを統合する方法：

• concat: 直接連結 — 特徴次元に沿ってエンベッディングを単純に結合し、合計サイズを増加させます。個々の情報はすべて保持されます。
• add: 要素ごとの加算 — ベクトルの対応する値を合計。表現を直接ブレンドします。
• subtract: エンベッディングの減算 — それら間の違いを強調（例：スタイルA - スタイルB）するために有用。明確な視覚的変化を生み出します。
• average: 単純な平均 — エンベッディングを滑らかにし、バランスの取れたブレンドを生成。歪みが起こりにくいです。
• norm average: 正規化平均 — averageと同じ考え方ですが、結合前にベクトルを正規化し、各ベクトルの大きさを一定に保ちます。重みが大きく異なるエンベッディングがブレンドに過剰に影響を与えるのを防ぎます。