Geeky Ghost Vid2Vid Organized v1
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
이 워크플로우는 스타일 전이, 동작 분석, 깊이 추정, 프레임 보간 등의 다양한 기술을 통합하여 여러 출처의 요소를 결합하고 시각적 품질을 향상시킨 최종 영상을 생성하도록 설계되었습니다.
그룹 바이패스 토글을 사용하면 필요 없는 기능을 끌 수 있습니다.
ControlNet 모델을 수정해야 합니다. 정리하다가 실수했어요. lol. 이 워크플로우가 거의 사용 가능한 상태라서 잊지 않도록 어디에든 저장해두고 싶었죠.
1.5 버전에서는 모델과 라벨에 일부 수정사항이 있습니다.
2.0은 제가 공개하는 최종 버전입니다. 제가 원하는 방식으로 원하는 출력을 만들 수 있도록 조정했습니다. 이 워크플로우는 3D 렌더링 영상과 다른 영상들의 스타일을 변경하기 위해 개발되었습니다. SD 1.5 및 AnimateDiff 1.5에 최대한 효율적이고 견고하게 구성했습니다. 원하는 대로 맞춤 설정하세요. 그룹 박스를 추가하면 자동으로 바이패스 노드에 추가됩니다. 기능을 쉽게 켜고 끌 수 있습니다. 즐겁게 사용하세요!
2.5 버전에서는 오디오 입력과 기타 개선사항이 추가되었습니다. IP 강도나 IP 이미지 강도 슬라이더는 1.0 이상으로 올리지 마세요. 자주 사용하기 때문에 이들을 입력 그룹으로 이동시켰습니다.
3.0 버전은 vid2vid를 크게 향상시켰습니다. 오디오는 유지했지만, 오디오를 마스크로 사용하는 기능은 제거했습니다. 원하는 대로 작동하지 않아서요. 기술적으로는 작동하지만, 제가 원하는 방식은 아니었죠. 이 버전이 최종 버전입니다. 더 이상 버전은 없습니다. lol.
4.0 버전: IP 어댑터 업데이트로 제가 만든 것이 망가졌죠. lol. 그런데 오히려 좋은 일이 되었습니다. IP 어댑터 플러스의 업데이트와, 업데이트 내용을 읽으면서 그 작동 방식을 더 잘 이해하게 되었기 때문에, ControlNet 2개와 IP 어댑터 2개로 줄일 수 있었습니다. 가중치와 기타 설정을 조정하세요(IP 어댑터 업데이트를 꼭 읽어보세요. 많은 변경사항이 있었습니다). 비디오를 추가하고, 프롬프트를 입력하고, LoRA를 설정하며, 얼굴 교체를 위한 이미지를 업로드하세요. 필요 없는 기능은 쉽게 끌 수 있습니다. 제가 만들 수 있는 가장 단순하고 사용하기 쉬운 버전입니다. 이건 진짜 최종 버전입니다. 진짜, 진짜, 진짜 최종 lol.
워크플로우에 설정된 ControlNet: 깊이, Openpose, Canny, Softedge
VHS_LoadVideo: 비디오 파일을 워크플로우에 로드하여 프레임과 오디오를 추출하고 처리합니다.
ImageScale: 이미지를 원하는 해상도로 확대/축소하여 후속 노드에서 처리할 준비를 합니다.
ControlNetLoader: 비디오 프레임에서 포즈와 동작 정보를 추출하는 데 사용되는 ControlNet 모델을 로드합니다.
DepthAnythingPreprocessor & DWPreprocessor: 각각 깊이 추정과 포즈 감지를 위해 이미지를 전처리하여 애니메이션 과정에서 동작 및 깊이 데이터의 품질을 향상시킵니다.
Control Net Stacker: 여러 ControlNet을 결합하여 비디오에 대한 포즈 및 동작 데이터 세트를 종합적으로 생성합니다.
LoadImage: 워크플로우에 정적 이미지를 로드하여 텍스처 매핑, 배경 교체 또는 스타일 전이 과정의 참조 이미지로 사용합니다.
PrepImageForClipVision: 이미지를 CLIP 처리에 적합한 형식과 해상도로 조정합니다.
CLIPVisionLoader: CLIP 모델을 로드하여 이미지의 의미적 이해를 수행하고 스타일 전이 과정을 안내합니다.
IPAdapterModelLoader: 스타일 전이를 위한 IP 어댑터 모델을 로드하여 이미지를 특정 미학 또는 주제 스타일에 맞게 조정합니다.
IPAdapterApplyEncoded: IP 어댑터 모델을 적용하여 한 이미지의 시각적 스타일을 처리된 비디오 프레임에 적용하여 스타일 전이를 수행합니다.
IPAdapterEncoder: IP 어댑터 모델을 사용하여 이미지를 인코딩하여 스타일 전이 과정을 준비합니다.
ADE_LoadAnimateDiffModel & ADE_ApplyAnimateDiffModel: 비디오 프레임 간 부드러운 전환과 애니메이션을 생성하는 데 사용되는 AnimateDiff 모델을 로드하고 적용합니다.
ADE_AnimateDiffLoRALoader: AnimateDiff와 함께 사용하여 애니메이션의 동작 세부 정보와 유동성을 향상시키는 LoRA 모델을 로드합니다.
ADE_UseEvolvedSampling: 생성된 애니메이션과 전환의 품질을 향상시키기 위해 진화된 샘플링 기법을 사용합니다.
BatchPromptSchedule: 생성 및 변환 과정을 안내하는 텍스트 프롬프트의 일정을 관리하여 생성된 콘텐츠의 문맥적 관련성을 향상시킵니다.
ReActorFaceSwap & FaceRestoreCFWithModel: 얼굴 처리에 사용되며, ReActorFaceSwap은 피사체 간 얼굴을 교체하고, FaceRestoreCFWithModel은 비디오 내 얼굴 세부 정보를 복원하거나 향상시킵니다.
FILM VFI: 프레임 보간을 적용하여 비디오의 움직임을 부드럽게 만듭니다.
VHS_VideoCombine: 처리된 프레임을 다시 비디오 형식으로 결합하고 오디오를 추가하여 최종 비디오 출력을 완성합니다.
KSampler Adv. (Efficient): 효율적인 방법을 사용하여 비디오의 시각적 품질을 처리하고 정제하는 고급 샘플러 노드입니다.
Efficient Loader: 처리를 위해 모델과 데이터를 효율적으로 로드하여 워크플로우의 성능을 최적화합니다.
CR Apply Multi-ControlNet: 비디오 처리 파이프라인에서 동작 분석 및 합성을 향상시키기 위해 여러 ControlNet을 적용합니다.