EasyUse/Loadersgenerated

EasyControlnet (Avancé)(controlnetAdvanced)

Le nœud EasyControlnet (Avancé) applique un ControlNet au conditionnement contenu dans un PIPE_LINE EasyUse.

controlnet Advanced

pipe
image
control_net
pipe
positive
negative
control_net_name
COMBO
strength
1.00
start_percent
0.000
end_percent
1.000
scale_soft_weights
1.000
Easy Use

Description

Le nœud EasyControlnet (Avancé) applique un ControlNet au conditionnement contenu dans un PIPE_LINE EasyUse. Il s'agit d'une variante avancée d'EasyControlnet qui expose également scale_soft_weights, qui ajuste la mise à l'échelle de la pondération douce du ControlNet chargé. L'entrée image fournit l'image d'indication du ControlNet, telle qu'une carte de contours Canny, une carte de profondeur ou un squelette de pose.

Entrées

pipe

Un PIPE_LINE contenant le modèle, le CLIP, le VAE, le conditionnement positif, le conditionnement négatif et les données latentes. Le nœud lit les conditionnements positif et négatif de ce pipe et réécrit les conditionnements avec le ControlNet appliqué dans le pipe renvoyé.

image

Un tensor IMAGE requis utilisé comme indication pour le ControlNet. Il doit s'agir de l'image de contrôle prétraitée correspondant au type du modèle ControlNet sélectionné.

control_net_name

Une entrée combo requise permettant de sélectionner le modèle ControlNet parmi les fichiers disponibles dans le dossier controlnet de ComfyUI.

control_net

Une entrée CONTROL_NET facultative. Lorsqu'elle est fournie, cet objet ControlNet est utilisé directement au lieu d'en charger un depuis control_net_name. Cela est utile pour fournir un ControlNet déjà chargé ou modifié ailleurs.

strength

Un flottant, valeur par défaut 1.0, plage de 0.0 à 10.0, pas de 0.01. Contrôle la force globale de l'application du ControlNet. Une valeur de 0 désactive effectivement le ControlNet et laisse le conditionnement inchangé.

start_percent

Un flottant, valeur par défaut 0.0, plage de 0.0 à 1.0, pas de 0.001. Définit la fraction de denoising à laquelle le ControlNet commence à influencer la génération. 0.0 signifie le tout début de l'échantillonnage.

end_percent

Un flottant, valeur par défaut 1.0, plage de 0.0 à 1.0, pas de 0.001. Définit la fraction de denoising à laquelle le ControlNet cesse d'influencer la génération. 1.0 signifie la fin de l'échantillonnage.

scale_soft_weights

Un flottant, valeur par défaut 1.0, plage de 0.0 à 1.0, pas de 0.001. Met à l'échelle la pondération douce appliquée au ControlNet lorsqu'il est chargé depuis control_net_name. Une valeur de 1.0 utilise le comportement standard de pondération douce ; des valeurs plus faibles l'atténuent. Si vous ne réglez pas ce paramètre intentionnellement, laissez-le à 1.0.

Sorties

  • PIPE_LINE : le pipeline d'entrée avec son conditionnement mis à jour pour inclure le ControlNet appliqué.
  • CONDITIONING : le conditionnement positif après application du ControlNet.
  • CONDITIONING : le conditionnement négatif après application du ControlNet.

Les deux sorties CONDITIONING correspondent aux valeurs de conditionnement positif et négatif stockées dans le pipeline renvoyé, de sorte que vous pouvez connecter ensuite soit le pipe, soit les conditionnements individuels.

Notes d'utilisation

  • start_percent et end_percent sont des fractions du calendrier de denoising complet, et non des nombres d'étapes absolus. Par exemple, start_percent=0.2 et end_percent=0.8 n'applique le ControlNet que pendant les 60 % du milieu de l'échantillonnage.
  • strength peut dépasser 1.0, ce qui permet de pousser un ControlNet faible au-delà de la plage normale de 0.0 à 1.0.
  • Définissez strength sur 0 si vous souhaitez que le conditionnement du pipe soit transmis sans influence du ControlNet.
  • L'image doit être l'indication prétraitée attendue par le ControlNet choisi, comme une carte de contours Canny, une carte de profondeur ou un squelette OpenPose.
  • Si vous connectez un ControlNet à l'entrée facultative control_net, le nœud utilise directement cet objet et n'a pas besoin de le charger depuis control_net_name.

Commentaires

Connectez-vous avec GitHub pour rejoindre la discussion.

Chargement des commentaires…