KJNodes/experimentalgenerated

Scheduled CFG Guidance(ScheduledCFGGuidance)

Desde la perspectiva de la implementación técnica, este nodo recibe un MODEL y entradas de CONDITIONING positivas y negativas, y permite al usuario establecer un valor de CFG y el rango de pasos (expresado en porcentaje) en el que este valor es efectivo.

Scheduled CFG Guidance

model
positive
negative
GUIDER
cfg
6.00
start_percent
0.00
end_percent
1.00
KJNodes

El nodo Scheduled CFG Guidance, desde una perspectiva de implementación técnica, recibe un modelo y entradas de acondicionamiento positivo y negativo, y permite al usuario configurar un valor CFG y el rango de pasos (expresado como porcentaje) en el que ese valor es efectivo.

Scheduled CFG Guidance es un nodo guía diseñado para ajustar dinámicamente el valor CFG (Classifier-Free Guidance) durante el proceso de generación de imágenes. Permite al usuario aplicar diferentes intensidades de CFG en fases específicas de los pasos de muestreo, ofreciendo un control más preciso sobre el grado de alineación entre la imagen generada y el prompt. Este nodo tiene como objetivo proporcionar una forma flexible de equilibrar la creatividad de la imagen generada y su adherencia al prompt.

Funcionalidad del Nodo

Desde una perspectiva de implementación técnica, el nodo recibe un modelo y entradas de acondicionamiento positivo y negativo, y permite al usuario configurar un valor CFG y el rango de pasos (expresado como porcentaje) en el que ese valor es efectivo. Su mecanismo central consiste en que, dentro del rango de porcentaje de pasos especificado (start_percent a end_percent), la orientación se aplica usando el valor cfg definido por el usuario. Fuera de este rango, se utiliza automáticamente un valor CFG de 1.0, lo que generalmente significa que estos pasos se procesan más rápido al no estar influenciados por una fuerte orientación condicional. Además, el parámetro cfg admite la entrada de un único valor flotante (aplicado a todos los pasos).

Especificación de Parámetros del Nodo - Scheduled CFG Guidance

Entradas (Inputs)

Nombre del ParámetroTipo de DatoObligatorioValor por DefectoRango/OpcionesDescripción
modelMODEL--model (parámetro de entrada): El modelo base utilizado para la generación de imágenes. Este parámetro define la arquitectura central de la red neuronal y los pesos utilizados en el proceso de generación.
positiveCONDITIONING--positive (parámetro de entrada): Entrada de acondicionamiento positivo, que normalmente contiene el prompt de texto o imagen con las características o contenido que la imagen generada debe poseer.
negativeCONDITIONING--negative (parámetro de entrada): Entrada de acondicionamiento negativo, que normalmente contiene el prompt de texto con las características o contenido que la imagen generada debe evitar.

Parámetros de Control (Parameters)

Nombre del ParámetroTipo de DatoObligatorioValor por DefectoRango/OpcionesDescripción
cfgFLOAT6.00.0 - 100.0 (incremento: 0.01)cfg (parámetro de entrada): Valor de intensidad para la guía libre de clasificador (Classifier-Free Guidance), en el rango de 0.0 a 100.0, con un incremento de 0.01. Es un valor flotante único.
start_percentFLOAT0.00.0 - 1.0 (incremento: 0.01)start_percent (parámetro de entrada): Porcentaje del paso en el que comienza a ser efectivo el valor CFG dinámico, en el rango de 0.0 a 1.0, con un incremento de 0.01.
end_percentFLOAT1.00.0 - 1.0 (incremento: 0.01)end_percent (parámetro de entrada): Porcentaje del paso en el que deja de ser efectivo el valor CFG dinámico, en el rango de 0.0 a 1.0, con un incremento de 0.01.

Salida (Output)

Nombre del ParámetroTipo de DatoDescripción
GUIDERGUIDERGUIDER (parámetro de salida): El guía de CFG dinámico configurado, que puede conectarse a un nodo de muestreador.

Casos de Uso

En aplicaciones concretas, este nodo se utiliza comúnmente en flujos de trabajo que requieren un control por fases de la generación de imágenes. Por ejemplo, al generar una escena compleja, el usuario podría querer utilizar un valor CFG bajo en los pasos iniciales (por ejemplo, el primer 20%) para fomentar la diversidad en la composición y el diseño, luego un valor CFG alto en los pasos intermedios (por ejemplo, del 20% al 80%) para reforzar la adherencia a los detalles del prompt, y finalmente reducir la intensidad en los pasos finales para suavizar los detalles. Esto ayuda a lograr un mejor equilibrio entre la libertad creativa y la fidelidad al prompt.

Consideraciones

Es importante tener en cuenta que el rango válido para start_percent y end_percent es de 0.0 a 1.0, definiendo la ventana de tiempo relativa en la que la programación CFG está activa.

Enlace al Código Fuente del Nodo Scheduled CFG Guidance

El nodo Scheduled CFG Guidance pertenece al paquete de nodos ComfyUI-KJNodes.

Comentarios

Inicia sesión con GitHub para unirte a la conversación.

Cargando comentarios…