MASK

Zml_w によるマルチマスク方法を追加しました。ただし、カスタムマスク用の手動方法は現時点では追加していません。

彼はコメント欄に次のように記しています：「ただし、水平マスクの効果はあまり良くなく、モデルはこの構成を理解できません。自動生成されたマスクの中では、垂直マスクを最も推奨し、次に斜めマスクをお勧めします。」

これを念頭に置いてください。

今後、記事内で「スイッチ」の使い方、およびマスクと条件付けのための彼の2番目のオプションについて説明を追加します。

SAMPLER

clownshark サンプラーの制御を向上させるためのノードをいくつか追加し、チェーンサンプリングまたは標準サンプリングの使用方法について説明を追加しました。

LoRAに関するいくつかの注意書きを削除しました。複数のテストの結果、LoRAをプロンプト領域に配置しても動作しないため、LoRAスタッカーに追加することをお勧めしますが、結果は非常にランダムになる可能性があります。

サンプラー生成後の画像保存機能を削除し、使用する各サンプリング方法のプレビューを追加しました。

メタデータ付き保存のためのグループバイパススイッチを追加しました。

既知のバグ

なぜか明確に説明できない理由で、プロンプト領域に条件を十分に設定しない、または過剰に設定すると、次のエラーが発生することがあります：

"テンソル a のサイズ (924) は、非単一次元 3 でテンソル b のサイズ (308) と一致しなければなりません"

これは、マスク領域とそれに関連する条件付けにおけるアテンションに起因するものであると（私が理解している限り）考えられます。

このエラーを解決する方法を探していますが、私は専門家ではなく、他の優れたワークフローの一部を借りてきて組み合わせただけのため、非常に難しい状況です。

また、顔詳細化機能にワイルドカード、条件、またはLoRAを追加した場合、あるいはデフォルトで私が設定した条件（{face|face,detailed face}）をそのまま使用した場合でも、時々このエラーが発生することがあります。

動作するかどうか確認するために、すべての設定を削除して試してみてください。

XLモデルの地域プロンプトワークフロー

これは、過去または最近使用したいくつかのワークフローを組み合わせたものです。

地域プロンプトの大部分は、元々このワークフローにありました。

テストとサポートにご協力いただいた@zml_wに心より感謝します。

@LevPatによるV2のアップスケール方法
/model/1994653/custom-upscale-flow

ユーザー向けガイド

https://civitai.com/articles/18257

V2のDense DiffusionおよびAttention Couple用

私は、異なる地域プロンプト手法を使用した2つの別々のワークフローを作成しました。どちらもアーカイブに含まれているので、試してみてください。

Dense Diffusion

「The size of tensor a (924) must match the size of tensor b (308) at non-singleton dimension 3」というエラーは、Dense Diffusionでも依然として発生しますが、今はその原因を100％理解しているので、回避方法を詳しく説明します。

まず、ポジティブプロンプトにはほぼすべての内容を含めることができます。左側のキャラクターに多くの詳細やアクションを記述し、2番目のキャラクターにはほとんど何も書かなくても、このエラーは発生しません。
このエラーが発生するのは、ポジティブプロンプトとネガティブプロンプトの組み合わせに限られます。

では、なぜこのエラーが発生するのでしょうか？それはほぼ常に埋め込み（Embeddings）に関連しており、トークン数とDense Diffusionの動作方式によるものです。トークンのサイズはほぼ同じでなければならず、LazyhandやLazynegなどの埋め込みを使用すると、多くのトークン（正確にはトークンのチャンク）を消費します。

そのため回避方法としては、まず埋め込みを一切使用しないことが挙げられます。私はワークフローに、自分なりに品質の高いプロンプトを追加したノートを付けています。

埋め込みを使用したい場合、ポジティブとネガティブの間でバランスを取る必要があります。たとえば、ネガティブプロンプトにLazyhand + Lazynegを追加した場合、ポジティブプロンプトにも少なくとも1つ以上の埋め込みを追加して、トークンチャンクのサイズを同じにしなければなりません。

そのため、私は自分とGPTによって作成したカスタムノードを追加し、ネガティブプロンプトの品質を正規化できるようにしました。この機能はオンまたはオフに切り替え可能で、アーカイブには比較用の画像も含まれています。

もしこの方法に満足できない、または好まない場合は、別のワークフローとして「Attention Couple」を使用する方法も用意しました。

Attention Couple

Attention Coupleを使用すれば、このエラーは決して発生しません。それならば、なぜDense Diffusionを廃止してAttention Coupleだけを使用しないのでしょうか？
Attention Coupleは非常にうまく機能し、良い結果を得られますが、私のテストでは主に2つの大きな欠点が見られました。

まず、LoRAの適用方法が異なることです。Dense Diffusionの方がモデルとLoRAのブレンドがより優れているように感じられます。

次に、プロンプトとの相互作用がより難しい傾向があります。私はあまり広範囲にわたって使用していませんが、作成した数枚の画像は、プロンプトの忠実度がやや低いように見えました。

両方のワークフローで必要なすべてのノード

Dense Diffusion用

ネガティブ正規化用の小さなカスタムノードはアーカイブに含まれており、custom_nodesフォルダに置くだけで使用できます。追加の要件は必要ありません。

Attention Couple用

上記すべてに加えて：

https://github.com/BlenderNeko/ComfyUI_ADV_CLIP_emb
https://github.com/laksjdjf/cgem156-ComfyUI

cgem156のインポートに失敗する場合は、以下の対処法を試してください：
https://github.com/laksjdjf/cgem156-ComfyUI/issues/17#issuecomment-2918745574
私はComfyUIデスクトップアプリでこの方法で問題なく動作しました。