Rebels DyPE Flux 1 Upscaler

진정한 4K 이미지 생성, 저 VRAM용으로 설계됨! <3

Flux Dev를 위한 최신 DyPE 노드를 사용한 간단한 업스케일링 워크플로우!

v2.0 버전에서는 SRPO 모델을 사용한 두 번째 패스의 리파이너 값이 워크플로우에 표준으로 포함되어 있습니다.

변이, 품질, 속도를 위해 조정할 수 있는 사항:

--SECOND ksampler의 --steps - 최대 5-20단계 (첫 번째 패스의 기본 이미지가 20단계 이상이라면, 리파이닝 단계를 20을 초과하지 마세요. 과도한 단계는 형태 왜곡과 품질 저하를 유발합니다.)

--SECOND ksampler의 --denoise - .1 - .8 (.8은 매우 강한 리파이닝이며, SRPO 모델의 데이터셋에 따라 이미지 전체를 근본적으로 변경합니다. 초기에는 .15부터 시작하여 점진적으로 증가시키세요.)

--Seed - 자명한 설명입니다.

DyPE의 작동 방식 간단 설명:

DyPE는 사전 학습된 디퓨전 변환기(예: FLUX)가 학습 데이터보다 훨씬 높은 해상도로 이미지를 생성할 수 있도록 해주는 트레이닝이 필요 없는 혁신적인 방법입니다. 추가 샘플링 비용이 전혀 필요 없습니다. 이 방법은 디퓨전 과정에 내재된 스펙트럼 진행을 활용하여, 각 단계에서 모델의 위치 인코딩을 동적으로 조정함으로써, 현재 생성 단계의 주파수 스펙트럼과 일치시킵니다. 초기에는 저주파 구조에 집중하고, 후기 단계에서는 고주파 세부정보를 해상합니다. 이를 통해 모델의 원래 해상도를 초과할 때 흔히 나타나는 반복적인 아티팩트와 구조적 저하를 방지합니다.

생성 시간은 realESRGAN과 같은 일반적인 업스케일링 방법보다 약간 길지만, 결과는 일부 측면에서 동등하거나 더 우수합니다. 게다가 이 노드는 리소스 소모가 훨씬 적으며, 모델이 오류 없이 실행되려면 추가적인 자원이 전혀 필요하지 않습니다.