SDXL 리파이너 워크플로우

통합 LoRA 관리, 체크포인트 리파인먼트 및 지능형 얼굴/피부 디테일링을 특징으로 하는 간소화된 SDXL 이미지-to-이미지 리파인먼트 워크플로우.

핵심 기능

LoRA 관리자 통합

이 워크플로우는 트리거 단어 제어 기능을 포함한 포괄적인 LoRA 관리 시스템을 제공합니다:

• 트리거 단어 토글 - 개별 LoRA 트리거 단어의 선택적 활성화/비활성화를 가능하게 합니다

• 트리거 단어 필터링 - 토글 상태에 따라 활성 트리거 단어를 동적으로 필터링합니다

• 독립적인 트리거 단어 관리가 가능한 다중 LoRA 지원

• 일관된 프롬프트 적용을 위한 CLIP 컨디셔닝과 직접 통합

리파이너 체크포인트 시스템

독립적인 모델 제어를 위한 전용 리파이너 체크포인트 로딩:

• 리파이너 단계 전용 별도의 체크포인트 로더 사용

• 파이프라인 전반에 걸쳐 일관된 인코딩/디코딩을 위한 VAE 라우팅 시스템

• SDXL 리파이너 체크포인트 지원 (예: fluxRefiner_v11.safetensors)

• 유연한 워크플로우 라우팅을 위한 독립적인 MODEL, CLIP 및 VAE 출력

FaceDetailer 통합

Impact Pack 노드를 사용한 지능형 얼굴 및 피부 디테일 향상:

• 얼굴 검출 - 정확한 얼굴 바운딩 박스를 위한 UltralyticsDetectorProvider (face_yolov8n_v2.pt)

• 피부 세그멘테이션 - 대상 피부 영역을 위한 segmentation detector (skin_yolov8n-seg_800.pt)

• SAM 통합 - 고급 마스킹 및 디테일 분리용 SAMLoader (sam_vit_b_01ec64.pth)

• 포괄적인 얼굴 향상을 위한 bbox 검출과 세그멘테이션 통합

• 원활한 디테일 처리를 위한 리파이너 단계와 직접 통합

워크플로우 구조

이 워크플로우는 순차적인 리파인먼트 파이프라인을 통해 이미지를 처리합니다:

1. 초기 처리 - 이미지 리사이징 및 VAE 인코딩 준비

2. LoRA 적용 - 트리거 단어 필터링 및 LoRA 가중치 적용

3. 리파이너 단계 - 컨디셔닝을 통한 전용 체크포인트 리파인먼트

4. 디테일 향상 - 얼굴/피부 검출 및 대상 디테일 개선

5. 출력 - 리파이너 출력 및 업스케일 결과를 위한 이중 저장 지점

기술 사양

• 이미지 리사이징 노드 - 구성 가능한 치수 (기본값: 1024x1024)를 가진 ImageResizeKJv2

• 업스케일 지원 - 리파이너 후 업스케일링을 위한 통합 업스케일 모델 로더

• 메타데이터 보존 - SaveImageWithMetaData 노드가 전체 생성 파라미터를 유지합니다

• VAE 관리 - 일관성을 위해 ReroutePrimitive를 사용한 중앙화된 VAE 라우팅

출력 옵션

이 워크플로우는 두 가지 별도의 저장 지점을 제공합니다:

• 리파이너 출력 - 기본 해상도의 직접 리파인된 결과

• 리파이너 업스케일 - 디테일을 보존한 향상된 업스케일 버전

두 출력 모두 재현성 및 워크플로우 추적을 위한 완전한 메타데이터 임베딩을 포함합니다.

사용 노트

이 워크플로우는 기존 이미지 또는 잠재 공간의 리파인먼트를 위해 설계되었습니다. LoRA 관리자는 트리거 단어 활성화를 세밀하게 제어할 수 있어, 리파인먼트 단계 중 적용할 스타일 요소를 정밀하게 조정할 수 있습니다. 통합 디테일러는 얼굴 특징과 피부 영역을 특별히 대상으로 하여 전체 구성에는 영향을 주지 않고도 현실감과 디테일을 향상시킵니다.