FLUX-Advanced-Img2Img workflow. Rectified flow Inversion [RF inversion] [Ref2Img] - V2
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
이것은 Google의 교정 흐름 역전을 기반으로 한 ComfyUI용 고급 Img2Img 워크플로우입니다. 수동 인페인팅이나 ControlNet 없이 프롬프트만으로 이미지를 변경하고 스타일을 전이하며, 인페인팅, 얼굴 교체 등을 수행할 수 있습니다.
간단히 말하자면, 기본적인 img2img 워크플로우는 입력 이미지를 보내고, 그로부터 랜덤 노이즈를 생성한 후 샘플러에 전달하여 출력 이미지를 얻지만, 이 워크플로우에서는 설정에 따라 입력 이미지에서 생성되는 노이즈의 종류를 제어할 수 있습니다. 예를 들어, 이미지의 일부분(인페인팅)을 변경하거나 이미지 스타일을 전이(ip-adapter)할 수 있습니다.
즉, 이 과정은 다음과 같습니다: 입력 이미지 → 이미지를 노이즈로 역샘플링(추가적인 "텍스트 주의 마스킹", 즉 img2noise 역샘플러에 대한 프롬프트 입력). 프롬프트 없이도 충분히 작동하지만, 어떤 부분을 노이즈 제거를 위해 "마스킹"할지 지정할 수 있습니다 → 역샘플러에서 생성된 노이즈가 샘플러로 전달되어, 역샘플링된 노이즈로 편집된 출력 이미지를 얻습니다.
즉, 기본적인 img2img 워크플로우와 거의 동일하지만, 추가적인 "역샘플링" 단계를 통해 더 제어 가능한 노이즈를 제공합니다. [입력 이미지 → 역샘플러(선택적 프롬프트) → 샘플러(표준 프롬프트) → 출력 이미지]
Hyper와 Turbo가 병합된 모델이나 Flux의 LoRA를 사용하는 것을 권장합니다. 이렇게 하면 28×2단계 대신 12×2단계로 유사한 품질을 달성할 수 있습니다.
GitHub - logtd/ComfyUI-Fluxtapoz: ComfyUI에서 Flux를 위한 이미지 병렬 배치 노드
유튜브에서 참고할 내용:
(1) Turbo-Powered Unsampler & Inpainting with Flux.1 in SECONDS with ComfyUI! - YouTube
(1) Google RF Inversion: Image Editing with Prompting! - YouTube
자세한 설명은 워크플로우 내에 제공됩니다.