LoraManager Studio Workflow - Multi-LoRA + FaceDetailer + Upscale
詳細
ファイルをダウンロード
このバージョンについて
モデル説明
ComfyUIワークフロー：顔強化とアップスケーリングを備えた高度なマルチステージ画像生成
このワークフローは、モジュラー構造と賢明なノード選択を通じて優れた柔軟性を示す、洗練されたマルチステージ画像生成パイプラインです。ワークフローは、効率性と出力品質を維持しながら、生成プロセスのあらゆる側面に対して最大限の制御を提供するように設計されています。
ワークフロー構造とノード分析
モデルロードインフラストラクチャ
CheckpointLoader|pysssss ノード これは標準のローダーを超えた追加機能を備えた強化版チェックポイントローダーです。プロンプトの例出力と動的なモデル切り替え機能を備えています。このノードは3つの重要なコンポーネントを出力します：MODEL（U-Net）、CLIP（テキストエンコーダー）、VAE（変分オートエンコーダー）。pysssssバージョンはメタデータの保持と例プロンプト生成を含み、ワークフローのドキュメント化と共有に不可欠です。
CheckpointLoaderSimple ノード ワークフロー内に戦略的に配置された補助的なチェックポイントローダーで、特定のパイプラインステージへのモデル切り替えを可能にします。このデュアルローダーアーキテクチャにより、ユーザーは異なるモデルの強みを活用できます。たとえば、一般的な構成に最適化されたモデルと、顔の特徴や特定のスタイルに特化したモデルを組み合わせるなどです。
複数のチェックポイントサポートの利点：
異なるモデルの強みを組み合わせたハイブリッドワークフローを実現
パイプラインの各ステージ（基礎生成 vs. 細部調整）に専用モデルを適用可能
多様な芸術的スタイルに対するフォールバックオプションを提供
同一ワークフロー内でのA/Bテストを可能に
ドメイン特化の最適化（現実的 vs. スタイリッシュなコンテンツ）を実現
高度なプロンプト処理システム
Power Prompt - Simple (rgthree) ノード これは基本的なテキスト入力を超える洗練されたプロンプト処理ノードです。特徴：
動的な埋め込み挿入機能
プロンプトのリアルタイムプレビューと検証
プロンプト重み付け構文のサポート
プロンプトの自動最適化
複数の出力形式（CONDITIONING および TEXT）
このノードはコンボフィルタリングとプロンプト履歴の保持を備えており、反復的な修正を効率化します。
JoinStringMulti ノード カスタマイズ可能な区切り文字で複数のテキスト入力を賢明に結合する強力な文字列連結ノード。主な機能：
動的入力数の調整
プロンプトフォーマット用の区切り文字カスタマイズ
バッチ処理用のリスト返却オプション
連結要素間の適切なスペースと構文の維持
このノードは、基本プロンプトと動的に生成されたトリガーワードやスタイル修飾子を組み合わせる上で不可欠です。
ShowText|pysssss ノード 単なる表示ノードではなく、以下を提供：
構文ハイライト付きのリアルタイムプロンプト可視化
複雑なプロンプト用の大領域表示（380x293px）
ワークフロー継続のための文字列通過機能
プロンプト構築の検証用デバッグ機能
CLIPTextEncode ノード（ポジティブおよびネガティブ） これらはテキストから埋め込みへの変換を行う重要なノード：
入力テキストのCLIP互換形式へのトークン化
重みの正規化と注意マッピング
ポジティブとネガティブ条件付けの分離処理
パイプライン全体での埋め込みの一貫性の維持
ワークフローではポジティブプロンプトとネガティブプロンプトを別々に処理するため、生成プロセスへの精密な制御が可能になります。
LoRA管理システム
Lora Loader (LoraManager) ノード これはLoRA処理における大きな進化を示す洗練されたノード：
動的マルチLoRAローディング：個々の強度制御で複数のLoRAモデルを同時に管理
トリガーワード抽出：読み込まれたLoRAから自動的にトリガーワードを抽出出力
Clip強度独立性：モデルとCLIP変更用の別々の強度制御
スタック管理：カスケード効果のためのLoRAスタックを維持
リアルタイムトグルシステム：再読み込みなしで各LoRAを有効/無効化可能
メタデータ保持：再現性のための完全なLoRA設定を維持
TriggerWord Toggle (LoraManager) ノード 次のような賢明なトリガーワード管理システム：
有効なLoRAに基づいてアクティブなトリガーワードをフィルタリング
バッチトリガーマネジメントのためのグループモードをサポート
デフォルトのアクティブ化状態を提供
LoRAの状態に応じてプロンプト構築を動的に更新
トリガーワードの競合や重複を防止
寸法と潜在空間管理
AspectRatioImageSize ノード 高度な寸法計算機で：
異なる解像度間でアスペクト比を維持
プリセット比率（4:3、16:9、1:1など）を提供
モデル互換性向けの最適寸法を計算
縦/横の向き切り替えをサポート
ワークフロードキュメンテーション用の寸法ラベルを出力
VAE互換性のため、寸法が8で割り切れるように保証
EmptyLatentImage ノード 潜在空間初期化器で：
潜在空間内にノイズテンソルを作成
バッチ生成をサポート
潜在表現によるメモリ効率の維持
再現可能な結果のための一貫した初期化を提供
主要生成パイプライン
KSampler（主要生成）ノード 広範な設定を備えたコアサンプリングノード：
スケジューラ統合：Karras、指数、シンプルなど複数のノイズスケジュールをサポート
サンプラ選択：DPM++、Euler、DDIMなど多様なサンプリングアルゴリズムを提供
適応ステップ制御：収束に応じた動的ステップ調整
CFGスケール制御：Classifier-freeガイドanceの強度調整
シード管理：固定シードとランダムシードの両方をサポート
GPU最適化：GPU実行用に最適化されたサンプラ
VAEDecode ノード 潜在から画像へのデコーダで：
潜在テンソルをピクセル空間に変換
適切なデノーマライズによる色再現性の維持
バッチ処理を効率的に処理
デコード中の微細なディテールを保持
メモリ最適化のためのタイルデコードをサポート
顔検出と強化システム
UltralyticsDetectorProvider ノード 最先端の検出システムで：
YOLOv8モデルの顔検出統合
信頼度スコア付きバウンディングボックス生成
セグメンテーションマスク機能
複数顔検出サポート
検出しきい値の調整可能
リアルタイム検出パフォーマンス
FaceDetailer ノード ワークフローで最も複雑な強化ノード：
検出統合：検出器からのバウンディングボックスを処理
ガイドインペイント：検出領域にターゲットインペイントを実行
解像度スケーリング：顔領域を2560pxまでアップスケールしてディテール処理
適応ノイズ低減：保持のための可変ノイズ低減強度（0.44）
フェザーコントロール：4ピクセルフェザーによるスムーズなブレンド
マスク生成：顔領域用の高精度マスク作成
SAMモデル対応：オプションでSegment Anything Modelを統合
クロップファクター制御：コンテキスト保持のため1.5倍クロップファクター
繰り返し洗練：複数回の強化サイクルをサポート
ノイズマスクオプション：自然なブレンド用の高度なマスキング戦略
検出ヒント：中心点検出の最適化
解像度強化パイプライン
ImageResizeKJv2 ノード 高度なリサイズシステムで：
複数の補間方式（最近傍、バイリニア、バイキュービック、ランツォス）
アスペクト比保持オプション
カスタマイズ可能な色のスマートパディング
クロップ位置制御（中央、上、下など）
モデル互換性のための除算性強制
CPU/GPU処理のデバイス選択
マスク認識リサイズ機能
VAEEncode ノード 画像から潜在空間へのエンコーダで：
潜在空間への効率的な圧縮
確率的生成のための変分エンコード
バッチ処理サポート
タイルエンコードによるメモリ最適化
カラースペース正規化
KSampler（洗練）ノード 2回目のサンプリング処理で：
40ステップの拡張洗練プロセス
ディテール保持のための低ノイズ低減（0.45）
構成を維持しながら品質を強化
洗練用の異なるサンプラ/スケジューラの組み合わせ
ターゲット改善のための潜在空間操作
UpscaleModelLoader ノード ニューラルネットワークアップスケーラーローダーで：
複数のアップスケーリングアーキテクチャ（ESRGAN、Real-ESRGANなど）をサポート
モデルのホットスワップ機能
VRAM最適化
多様なスケール係数（2x、4x、8x）
ImageUpscaleWithModel ノード AI駆動のアップスケーリング実行：
メモリ効率のためのタイル処理
エッジ保持アルゴリズム
アップスケーリング中のディテール強化
バッチ処理サポート
カラーの一貫性維持
メタデータと出力管理
Debug Metadata (LoraManager) ノード 3つのインスタンスで包括的な追跡を提供：
完全な生成パラメータのログ記録
LoRA構成の保持
シードとサンプラ設定
解像度とステップ情報
解析用のJSON形式出力
ワークフロー状態ドキュメンテーション
バージョン管理対応
SaveImage ノード 以下を備えた複数の保存ポイント：
カスタマイズ可能なファイル名パターン
ディレクトリ構成サポート
画像へのメタデータ埋め込み
形式選択機能
番号連続増加システム
整理のためのサブフォルダ作成
ReroutePrimitive|pysssss ノード ワークフロー整理ユーティリティで：
クリーンな接続ルーティングを提供
接続の型安全を維持
モジュール式ワークフローセクションを可能に
可視データフローによるデバッグをサポート
視覚的複雑性を軽減
ワークフロー制御と整理
Fast Groups Muter (rgthree) ノード 高度なワークフローコントロールで：
セクション単位の有効/無効機能
色分けによる視覚的グループ化
選択的実行によるパフォーマンス最適化
テストとデバッグ機能
バッチ処理制御
選択的ローディングによるメモリ管理
このノード構成の技術的利点
1. パイプラインのモジュラリティ 各処理ステージは独立して動作し、以下を可能に：
個々のステージ最適化
簡単なトラブルシューティングと修正
ワークフローセクションの並行開発
他のワークフローでのコンポーネント再利用
2. 逐次強化アーキテクチャ 3段階のアプローチ（生成 → 強化 → アップスケール）により：
各段階での品質向上
段階的処理による計算効率
どの段階でも失敗時のフォールバックオプション
段階的品質管理の実現
3. 智能なリソース管理 ワークフローは以下の方法でリソース使用を最適化：
メモリ効率のための潜在空間処理
選択的高解像度処理（顔部分のみ）
大きな画像のためのタイル処理
デバイス固有の最適化オプション
4. 総合的な状態管理 複数のチェックポイントとモニタリングノードにより：
完全な再現性
バージョン管理対応
最適化用パラメータ追跡
各ステージでのデバッグ機能
5. 柔軟な処理パス ノード配置は以下をサポート：
テスト用スキップ接続
代替処理経路
A/Bテスト構成
徐々に複雑さを導入
このワークフローは、ComfyUIにおけるノード選択と配置の傑作であり、慎重なノード選定とパイプラインアーキテクチャが、柔軟で強力かつ保守可能な画像生成システムを構築できることを示しています。モジュラリティ、品質強化、総合的な制御への注力により、芸術的探求から一貫した高品質出力を必要とするプロダクションワークフローまで幅広く対応可能です。
このワークフローのComfyUI依存関係
必須カスタムノードパック：
ComfyUI-Impact-Pack
GitHub:
ltdrdata/ComfyUI-Impact-Pack提供：FaceDetailer、UltralyticsDetectorProvider
顔検出と強化に不可欠
ComfyUI-LoraManager
GitHub:
Suzie1/ComfyUI-LoraManager提供：Lora Loader、Debug Metadata、TriggerWord Toggle
マルチLoRA管理システムに必須
rgthree-comfy
GitHub:
rgthree/rgthree-comfy提供：Fast Groups Muter、Power Prompt - Simple
ワークフロー整理と高度なプロンプト処理
ComfyUI-Custom-Scripts
GitHub:
pythongosssss/ComfyUI-Custom-Scripts提供：ShowText|pysssss、ReroutePrimitive|pysssss、CheckpointLoader|pysssss
UI強化とワークフローユーティリティ
ComfyUI-KJNodes
GitHub:
kijai/ComfyUI-KJNodes提供：JoinStringMulti、ImageResizeKJv2
文字列操作と高度な画像リサイズ
ComfyUI-Studio-Nodes（任意だが推奨）
- GitHub:
comfyuistudio/ComfyUI-Studio-nodes
- GitHub:
提供: AspectRatioImageSize
方便なアスペクト比計算
必要なモデル:
検出モデル:
bbox/face_yolov8m.pt- 顔検出モデル自動ダウンロード先:
ComfyUI/models/ultralytics/bbox/
アップスケールモデル:
4x-AnimeSharp.pth- アップスケールモデルダウンロード元: OpenModelDB または Upscale Wiki
配置先:
ComfyUI/models/upscale_models/
チェックポイントモデル:（ユーザー提供）
選択したベースチェックポイント
選択した精錬チェックポイント（例: ponyRealism_V23ULTRA）
LoRAモデル:（ユーザー提供）
- ワークフローで参照されるすべてのLoRA
インストール方法:
オプション1: ComfyUI Manager（推奨）
まずComfyUI-Managerをインストール
「Install Missing Custom Nodes」ボタンを使用
すべての依存関係を自動検出・インストール
オプション2: 手動インストール
cd ComfyUI/custom_nodes
# すべての依存関係をインストール
git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git
git clone https://github.com/Suzie1/ComfyUI-LoraManager.git
git clone https://github.com/rgthree/rgthree-comfy.git
git clone https://github.com/pythongosssss/ComfyUI-Custom-Scripts.git
git clone https://github.com/kijai/ComfyUI-KJNodes.git
git clone https://github.com/comfyuistudio/ComfyUI-Studio-nodes.git
# Impact PackのPython依存関係をインストール
cd ComfyUI-Impact-Pack
python install.py
追加のPython依存関係:
一部のノードは追加のPythonパッケージを必要とする場合があります:
Impact Pack:
ultralytics,segment-anything,mmdetKJNodes: 一部の操作に
numbaが必要な場合があります
注意事項:
コアなComfyUIノード（KSampler、VAEDecode、CLIPTextEncodeなど）は、基本のComfyUIに含まれています
一部のノードは初回実行時に自動的に依存関係をインストールする場合があります
CUDA/GPUエラーが発生した場合は、PyTorchのバージョンがCUDAのバージョンと一致しているか確認してください
依存関係が不足している場合、ワークフローに赤色で欠落しているノードが表示されます
良いお知らせとして、ComfyUI Managerを使用すれば、ワークフローを読み込むときに不足しているノードを自動検出し、インストールを提案してくれます！