Flux Nunchaku Ultimate SD Upscale Workflow

admajicadmajic
31
482
upscaleツールultimate sd upscalenunchakufluxkontext
v1.0

詳細

ファイルをダウンロード

モデル説明

# 🚀 Nunchaku設定でのSD Ultimate Upscalerガイド

このガイドでは、最適な結果を得るためのFlorence2自動キャプションを含む、Nunchakuを用いた強化されたSD Ultimate Upscalerワークフローの完全な設定方法をカバーしています。

## 🔧 前提条件

- ComfyUI がインストールされ、動作していること

- NVIDIA GPU でVRAMが8GB以上（推奨：12GB以上）

- CUDA 12.6+（推奨：12.9）

## 📦 カスタムノードのインストール

### 必須ノード

- [ComfyUI_UltimateSDUpscale](https://github.com/ssitu/ComfyUI_UltimateSDUpscale)

高解像度画像のタイルアップスケーリングを可能にします

- [ComfyUI-nunchaku](https://github.com/nunchaku-tech/ComfyUI-nunchaku)

高速処理のための量子化済みFluxモデル

- [ComfyUI-Florence2](https://github.com/spacepxl/ComfyUI-Florence2)

より良いアップスケーリング用プロンプト生成のための自動画像キャプション

- [rgthree-comfy](https://github.com/rgthree/rgthree-comfy)

画像比較ツール

- [was-node-suite-comfyui](https://github.com/WASasquatch/was-node-suite-comfyui)

高度な保存オプション

### インストール方法

- すべてのリポジトリを ComfyUI/custom_nodes/ にクローンしてください

- インストール後、ComfyUIを再起動してください

## 📁 ファイル構成とモデルのダウンロード

### ディレクトリ構造

```

ComfyUI/

├── models/

│ ├── checkpoints/ # Nunchakuモデル

│ ├── clip/ # テキストエンコーダー

│ ├── vae/ # VAEモデル

│ ├── upscale_models/ # AIアップスケーラー

│ └── loras/ # LoRAモデル（オプション）

```

### 🤖 Nunchakuモデル

ソース: mit-han-lab/nunchaku-flux.1-dev

- RTX 20s/30s/40s: svdq-int4_r32-flux.1-kontext-dev.safetensors

- RTX 50シリーズ: svdq-fp4_r32-flux.1-kontext-dev.safetensors

- 配置先: models/checkpoints/

### 📝 テキストエンコーダー

ソース: comfyanonymous/flux_text_encoders

- t5xxl_fp16.safetensors（約9.79GB）

- ViT-L-14-TEXT-detail-improved-hiT-GmP-TE-only-HF.safetensors（約246MB）

- 配置先: models/clip/

### 🎨 VAEモデル

ソース: black-forest-labs/FLUX.1-schnell

- flux_vae.safetensors（約335MB）

- 配置先: models/vae/

### 🔍 アップスケーラーモデル

推奨オプション:

- 4x_NMKD-Siax_200k.pth

- 4x-UltraSharp.pth

- RealESRGAN_x4plus.pth

- 配置先: models/upscale_models/

### 🎯 LoRAモデル（オプション）

- 高品質化のためのフォトリアリスティックLoRA

- 配置先: models/loras/Flux/

## 🧠 Florence2の設定

### モデルのダウンロード

Florence2は、ワークフローを初めて実行する際に自動ダウンロードされます：

- モデル: microsoft/Florence-2-large

- サイズ: 約1.5GB

- 目的: 自動画像分析とプロンプト生成

## 📋 完全なワークフロー機能

### 🎨 ワークフローコンポーネント

| ノード | 目的 | 主な設定 |

|------|---------|--------------|

| LoadImage | 画像の入力 | 多様なフォーマットをサポート |

| Florence2 | 自動プロンプト生成 | 画像コンテンツを自動分析 |

| NunchakuFluxDiTLoader | 量子化モデルの読み込み | INT4/FP4バージョン対応 |

| NunchakuFluxLoraLoader | LoRA強化の適用 | スタイル改善のためオプション |

| UltimateSDUpscale | 主要なアップスケーリングエンジン | タイル処理＋シーム修正機能付き |

| Image Comparer | 前後比較 | 横並びの視覚的比較 |

## ⚙️ Ultimate SD Upscaler設定（実際のワークフローから）

### 🎯 現在のワークフロー設定

| パラメータ | 現在値 | 目的 | 代替オプション |

|-----------|---------------|---------|-------------------|

| upscale_by | 2.0 | アップスケーリング倍率 | 4.0、6.0、8.0（より高い倍率） |

| steps | 20 | 質量ステップ | 12-16（高速）、26+（最高品質） |

| cfg | 1.0 | 必ず1.0に固定 | Fluxモデルでは変更しないでください |

| denoise | 0.1 | 控えめな強化 | より大きな変化には0.15-0.30 |

| sampler | "euler" | サンプリング手法 | dpmpp_2m、dpmpp_sdeなど |

| scheduler | "normal" | ノイズスケジューリング | karras、exponentialなど |

### 🧩 タイル処理設定

| パラメータ | 現在値 | 目的 | VRAM最適化 |

|-----------|---------------|---------|-------------------|

| tile_width/height | 1024 | 処理単位サイズ | 768（8-10GB）、512（6-8GB） |

| mask_blur | 8 | タイルエッジのブレンド | より柔らかいブレンドには12-16 |

| tile_padding | 32 | タイル重複領域 | より良いシームには48-64 |

### 🔧 シーム修正設定

| パラメータ | 現在値 | 目的 | 調整タイミング |

|-----------|---------------|---------|----------------|

| seam_fix_mode | "Band Pass" | タイル境界の修正 | 速度重視なら "None"、"Half Tile"も選択可能 |

| seam_fix_denoise | 1.0 | シームブレンド強度 | アーティファクトが発生した場合、低めに設定 |

| seam_fix_width | 64 | シーム処理幅 | 画像の複雑さに応じて32-128 |

| seam_fix_padding | 16 | シーム重複領域 | 複雑な画像では増やす |

## 🎨 Florence2自動プロンプト生成

### 動作方法

1. 自動分析: Florence2が入力画像を分析

2. キャプション生成: 詳細な記述を生成

3. プロンプト強化: 記述を用いてより良いアップスケーリングプロンプトを生成

4. 手動修正: 生成されたプロンプトは自由に編集可能

### 利点

- より良い結果: AIが画像の内容を正確に理解

- 一貫性: アップスケーリング中も画像の特性を維持

- 時間節約: 画像の手動説明が不要

- 精度: 重要な視覚要素を正確に保持

## 🚦 最適化プリセット

### ⚡ スピードプリセット（クイックプレビュー）

```json

{

"upscale_by": 2.0,

"steps": 12,

"denoise": 0.1,

"seam_fix_mode": "None"

}

```

### ⚖️ バランスプリセット（現在のワークフロー）

```json

{

"upscale_by": 2.0,

"steps": 20,

"denoise": 0.1,

"seam_fix_mode": "Band Pass"

}

```

### 💎 品質プリセット（最大詳細）

```json

{

"upscale_by": 4.0,

"steps": 26,

"denoise": 0.2,

"seam_fix_mode": "Band Pass"

}

```

### 🔋 低VRAMプリセット（8GB GPU）

```json

{

"tile_width": 768,

"tile_height": 768,

"steps": 16,

"seam_fix_mode": "None"

}

```

## 📱 ワークフローの使い方

### ステップバイステップ

1. 画像の読み込み: 画像をLoadImageノードにドロップ

2. 自動分析: Florence2が画像を自動的に記述

3. プロンプト確認: ShowTextノードで生成されたキャプションを確認

4. 設定調整: 必要に応じてアップスケーリングパラメータを変更

5. ワークフロー実行: 完全なパイプラインを実行

6. 結果比較: Image Comparerで前後を視覚的に確認

7. 出力保存: タイムスタンプ付きで画像が自動保存

### 🎯 プロンプトのカスタマイズ

ワークフローは自動プロンプト生成を使用しますが、以下のように強化できます：

写真用：

```

[Florence2キャプション] + 高度に詳細、シャープなフォーカス、プロフェッショナルな写真、強化されたディテール

```

芸術作品用：

```

[Florence2キャプション] + 鮮やかな色、シャープなライン、プロフェッショナル品質、強化されたディテール

```

## 🔧 問題対応

### 💥 メモリ問題

- タイルサイズを768または512に減らす

- ステップ数を12-16に減らす

- シーム修正を一時的に無効化

- アップスケーリング倍率を2x（4xではなく）に設定

### 🧩 可視的なシーム

- 「Band Pass」のシーム修正を有効に保つ

- tile_paddingを48-64に増やす

- mask_blurを12-16に増やす

- seam_fix_widthが十分か確認（64-128）

### 🐌 遅いパフォーマンス

- ステップ数を12-16に減らす

- seam_fix_modeを"None"に設定

- 4x以上ではなく2xアップスケーリングを使用

- VRAMが許すならタイルサイズを増やす

### 🎭 Florence2の問題

- 最初の実行は時間がかかる（モデルダウンロード中）

- Florence2が読み込めない場合、ComfyUIを再起動

- 初回ダウンロード時はインターネット接続を確認

## ⏱️ パフォーマンスベンチマーク

| GPU | VRAM | 設定 | 処理時間 |

|-----|------|----------|-----------------|

| RTX 4090 | 24GB | 2xアップスケール、1024pxタイル、20ステップ | 15-30秒 |

| RTX 4080 | 16GB | 2xアップスケール、1024pxタイル、16ステップ | 25-45秒 |

| RTX 3080 | 10GB | 2xアップスケール、768pxタイル、16ステップ | 45-75秒 |

| RTX 3070 | 8GB | 2xアップスケール、768pxタイル、12ステップ | 60-90秒 |

## 🎁 ワークフローの利点

### 🚀 スピードの利点

- Nunchaku量子化: 標準Fluxより3-5倍高速

- スマートタイリング: 効率的なメモリ使用

- LoRA統合: スピードを犠牲にせず品質向上

### 🎯 品質の機能

- Florence2分析: 智能的なプロンプト生成

- シーム修正: プロフェッショナルなタイルブレンド

- 比較ツール: 前後評価が容易

- 柔軟なスケーリング: 2x～8xのアップスケールオプション

### 🛠️ ユーザーエクスペリエンス

- 自動ワークフロー: 手動入力が最小限

- ビジュアルフィードバック: 内蔵の画像比較機能

- 整理された出力: タイムスタンプ付きファイル名

- メモリ効率: 消費者向けGPUでも動作

***

🎯 この強化ワークフローは、Nunchakuの高速性、Florence2の知性、Ultimate SD Upscalerの品質を組み合わせ、最小限の設定でプロフェッショナルな結果を実現します

このモデルで生成された画像

画像が見つかりません。