ComfyUI-TiledDiffusion

ComfyUI-TiledDiffusion

ComfyUI大尺寸图像生成与放大扩展

ComfyUI-TiledDiffusion扩展采用分块扩散算法和VAE技术,实现大尺寸图像生成和放大。支持SDXL模型和ControlNet,可在有限显存下处理超大图像。提供灵活参数设置,如分块大小和重叠度,以优化图像处理效果。适用于需要高质量大图生成和放大的场景。

ComfyUITiled DiffusionTiled VAE大图生成VRAM优化Github开源项目

ComfyUI的平铺扩散和VAE

更多信息请查看SD-WebUI扩展

该扩展通过以下技术实现了在有限显存下进行大图绘制和放大

  1. 两种最先进的扩散平铺算法:Mixture of Diffusers <a href="https://arxiv.org/abs/2302.02412"><img width="32" alt="Mixture of Diffusers论文" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/b753b7f6-f9c0-405d-bace-792b9bbce5d5"></a>MultiDiffusion <a href="https://arxiv.org/abs/2302.08113"><img width="32" alt="MultiDiffusion论文" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/b753b7f6-f9c0-405d-bace-792b9bbce5d5"></a>
  2. pkuliyi2015和Kahsolt的平铺VAE算法。
  3. pkuliyi2015和Kahsolt的平铺噪声反演算法,用于更好的放大效果。

[!注意]
尺寸/维度以像素为单位,然后转换为潜空间大小。

功能

  • 支持SDXL模型
  • 支持ControlNet
  • 支持StableSR
  • 平铺噪声反演
  • 平铺VAE
  • 区域提示词控制
  • 图像到图像放大
  • 超大图像生成

平铺扩散

<div align="center"> <img width="500" alt="平铺扩散" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/7cb897a3-a645-426f-8742-d6ba5cf04b64"> </div>

[!提示]
tile_overlap设为0,denoise设为1可以看到瓦片接缝,然后根据需要调整选项。同时,增加tile_batch_size可以提高速度(如果您的机器能够处理)。

名称描述
method平铺策略MultiDiffusionMixture of Diffusers
tile_width瓦片宽度
tile_height瓦片高度
tile_overlap瓦片重叠
tile_batch_size批处理的瓦片数量

如何指定瓦片排列?

如果您有数学表达式节点(或类似的节点),可以使用它来传入KSampler中的潜在表示,并将tile_height/tile_width除以您想要的行数/列数。

C = 您想要的列数
R = 您想要的行数

输入图像或潜在表示的像素宽度 // C = tile_width
输入图像或潜在表示的像素高度 // R = tile_height

<img width="800" alt="瓦片排列" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/9952e7d8-909e-436f-a284-c00f0fb71665">

平铺VAE

<div align="center"> <img width="900" alt="平铺VAE" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/b5850e03-2cac-49ce-b1fe-a67906bf4c9d"> </div> <br>

创建节点时会根据可用显存给出推荐的瓦片大小。

[!注意]
对解码器启用fast可能会产生对比度和亮度略高的图像。

名称描述
tile_size<blockquote>图像被分割成瓦片,然后在解码器/编码器中用11/32像素进行填充。</blockquote>
fast<blockquote><p>当快速模式禁用时:</p> <ol> <li>原始VAE前向过程被分解为任务队列和任务工作器,开始处理每个瓦片。</li> <li>当需要GroupNorm时,它会暂停,存储当前GroupNorm均值和方差,将所有内容发送到RAM,然后转到下一个瓦片。</li> <li>在所有GroupNorm均值和方差汇总后,它对瓦片应用组归一化并继续。</li> <li>使用之字形执行顺序以减少不必要的数据传输。</li> </ol> <p>当快速模式启用时:</p> <ol> <li>原始输入被下采样并传递到单独的任务队列。</li> <li>记录其组归一化参数并用于所有瓦片的任务队列。</li> <li>每个瓦片单独处理,无需RAM-VRAM数据传输。</li> </ol> <p>处理完所有瓦片后,瓦片被写入结果缓冲区并返回。</p></blockquote>
color_fix<blockquote>仅在下采样前估计GroupNorm,即以半快速模式运行。</blockquote><p>仅适用于编码器。当瓦片太小时可以恢复颜色。</p>

工作流程

以下图像可以在ComfyUI中加载。

<div align="center"> <img alt="ComfyUI_07501_" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/c3713cfb-e083-4df4-a310-9467827ee666"> <p>简单放大。</p> </div> <br> <div align="center"> <img alt="ComfyUI_07503_" src="https://github.com/shiimizu/ComfyUI-TiledDiffusion/assets/54494639/b681b617-4bb1-49e5-b85a-ef5a0f6e4830"> <p>4倍放大。3次处理。</p> </div>

引用

@article{jimenez2023mixtureofdiffusers, title={Mixture of Diffusers for scene composition and high resolution image generation}, author={Álvaro Barbero Jiménez}, journal={arXiv preprint arXiv:2302.02412}, year={2023} }
@article{bar2023multidiffusion, title={MultiDiffusion: Fusing Diffusion Paths for Controlled Image Generation}, author={Bar-Tal, Omer and Yariv, Lior and Lipman, Yaron and Dekel, Tali}, journal={arXiv preprint arXiv:2302.08113}, year={2023} }

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多