Regional Conditional Sampling

복잡한 프로세스에서 IPAdapter의 성능은 다소 실망스럽습니다. ComfyUI 원생 지역 조건 샘플링 노드를 시도해 보세요.

구성 영역을 사전에 결정하는 방법을 추가했습니다.

v1.0 regional conditioning_2
1개의 주체 + 배경

v2.0 regional conditioning_3
2개의 주체 + 배경

v3.0 regional conditioning_5
4개의 주체 + 배경

필요하다면 영역을 더 많은 부분으로 나눌 수 있습니다. 단, 컴퓨터가 더 큰 이미지를 직접 생성할 수 있어야 합니다. 그렇지 않으면 너무 많은 작은 영역이 혼란을 일으킬 뿐입니다.

v4.0 LatenComposite_4
3개의 주체 + 배경

지역 조건 샘플링 노드를 사용하는 방식과 달리, LatenComposite는 초기 단계에서 분할된 영역의 콘텐츠를 유연하게 그린 후 하나로 합칠 수 있습니다. 단점은 프롬프트 오염으로 인해 화면에 통제 불가능한 요소가 생길 수 있다는 점입니다.

v5.0 DenseDiffusion
DenseDiffusion 노드의 영역 그리기 기능을 사용합니다. 현재까지 성능은 괜찮으며, 영역 간 오염이 비교적 적고 융합도 자연스럽습니다. 단점은 때때로 특히 사실적인 스타일이 저품질 PS처럼 보일 수 있다는 점입니다. 그러나 작은 크기의 이미지에서는 여러 번 확대 및 재샘플링을 통해 이 문제를 해결할 수 있으며, 전반적으로 매우 우수합니다.

또한 특정 스타일의 이미지를 그리려면 전체 설명 상자에만 스타일 프롬프트를 입력하는 것이 아니라, 모든 텍스트 인코딩 상자에 동일한 스타일 프롬프트를 입력해야 합니다.