Dead-Simple Ultimate SD Upscale Workflow (Illustrious/Pony/SDXL)

SeoulSeekerSeoulSeeker
14
133
ツール
v1.0

詳細

ファイルをダウンロード

モデル説明

私は、可能な限り最も簡単なUltimate SD Upscaleワークフローを作成しようと試みました。

SFW/NSFW、どちらでも構いません。

このワークフローは、すでに素晴らしい出来栄えの画像をアップスケーリングすることを目的としています。

私はCivitAI上で、このようなスパゲッティのような複雑さのないワークフローを探しました。おそらく、私はすべてのノードをボックス内にぎゅっと集めて配置するスタイルが好きで、Automatic1111やSwarmUIのインターフェイスに似せています。なぜなら、すべてを正しく設定したら、巨大なキャンバスを移動する必要があるべきではないからです。ともかく…

このワークフローは、あなたが何をしているのかについて一般的な理解を持っていることを前提としています。具体的には：

  • なぜSD Ultimate Upscaleを使うのか

  • どのアップスケールモデルを好んで使うのか

  • 使用したいチェックポイント/LoRA/サンプリングパラメータ

    • 私は通常、元の画像と同じモデル/LoRA/cfg/サンプラー/スケジューラーを使用し、denoise値を0.30に設定します。ポジティブプロンプトは単に「8k, absurdres, masterpiece」のような品質タグとして使いますが、これはあなたの目的に応じて異なります。

  • サンプラー/スケジューラーの下にあるUltimate SD Upscaleノードのすべてのパラメータ（mask_blur、tile_paddingなど）は、目的の出力を得るために調整されることを想定しています。ワークフローに含まれている値は私の画像に合っているものですが、あなた自身で調整し、繰り返し試行する必要があります。

どのモデルで動作しますか？

このワークフローは、CivitAIで見つかる標準的なチェックポイントファイルを使用するあらゆるSDXLベースのモデルを対象としています。私は主にIllustriousを使用していますが、Pony、NoobAIなどでも完全に100%動作するはずだと考えています。

カスタムノード

いつも通り、不要な膨張や煩わしさを減らすために、可能であればComfyUIのコアノードだけを使用しています。このワークフローには、以下の4つのカスタムノードパックが必要です：

ComfyUI-Custom-Scripts（バックエンドサブグラフ内の数式ノード用）：

https://github.com/pythongosssss/ComfyUI-Custom-Scripts

rgthree-comfy（優れたLoRAローダーと画像比較ツール用）：

https://github.com/rgthree/rgthree-comfy

ComfyUI_UltimateSDUpscale（アップスケーリングノード用）：

https://github.com/ssitu/ComfyUI_UltimateSDUpscale

ComfyUI_tinyterraNodes（ポジティブ・ネガティブプロンプトノード用）：

https://github.com/TinyTerra/ComfyUI_tinyterraNodes

使用方法

  1. 任意の画像を「Load Input Image」にドラッグ（またはファイルを選択）。

  2. 必要に応じてLoRAを追加。

  3. アップスケールモデルを選択（例：Real-ESRGAN、NMKD Siax、UltraSharpなど）。

  4. 「Upscale By…」を2（デフォルト＝2倍）、4（4倍）、1.5、3など、好きな値に変更。このノードは0.5刻みで増加します。

  5. ポジティブおよびネガティブプロンプトを追加。

  6. Ultimate SD Upscaleノード内で、ステップ/cfg/サンプラー/スケジューラー/denoiseを自由に調整。

  7. 「Queue Prompt」をクリック → 完了。

即座に得られるもの：

  • 元のアスペクト比を正確に維持したアップスケール済み画像。

  • 最終的なアップスケール画像がそのまま出力フォルダに保存。

  • 内蔵の左右比較スライダー（rgthree Image Comparer）で、前後を即座に確認可能。

背後で起きていること

一つの小さなオレンジ色の「Backend」ボックスがすべての魔法を自動的に処理しています：

  • 入力解像度を検出

  • 幅と高さをアップスケール係数で乗算 → 精密なターゲット寸法を計算

  • そのターゲット寸法を適切なSDXLスタイルのコンディショニング（ポジティブ＋ネガティブ）に投入

  • タイリングサンプラーに、目指す最終サイズを正確に伝達

必要に応じて、サブグラフを開いて拡張してください。

このモデルで生成された画像

画像が見つかりません。