Easy Apply IPAdapter (Avancé)(ipadapterApplyAdvanced)

Le nœud Easy Apply IPAdapter (Avancé) applique un IPAdapter à un modèle de base avec un large ensemble de contrôles pour la composition des embeddings, le masquage d'attention, la force LoRA, la sélection du fournisseur, la mise en cache et le traitement en tuiles. Il est conçu comme un nœud d'application IPAdapter flexible et tout-en-un, capable de gérer les préréglages de type FaceID et les flux de travail avancés.

Entrées

Requis

• model (MODEL) : Le modèle de diffusion de base auquel l'IPAdapter sera appliqué.
• image (IMAGE) : L'image de référence utilisée comme invite d'image. Cette image pilote le contenu et le style injectés dans le modèle.
• preset (COMBO) : Sélectionne la configuration de préréglage IPAdapter. Les options disponibles dépendent des préréglages/modèles IPAdapter installés (par exemple, standard, Plus, variantes FaceID, etc.).
• lora_strength (FLOAT, default = 0.6, range 0–1) : Force du LoRA associé au préréglage sélectionné. Ceci est particulièrement pertinent pour les préréglages de type FaceID qui utilisent un LoRA pour aider à préserver l'identité. 0 désactive l'effet LoRA, et 1 applique la pleine force du LoRA.
• provider (COMBO, default = "CUDA", options: CPU, CUDA, ROCM, DirectML, OpenVINO, CoreML) : Fournisseur de calcul utilisé pour les opérations InsightFace/FaceID. Choisissez le fournisseur qui correspond à votre matériel et à votre environnement d'exécution.
• weight (FLOAT, default = 1, range -1–3) : Poids global de l'influence de l'IPAdapter sur le modèle. Des valeurs plus élevées augmentent l'effet ; des valeurs négatives peuvent inverser l'influence.
• weight_faceidv2 (FLOAT, default = 1, range -1–5) : Poids supplémentaire spécifiquement destiné aux préréglages FaceID v2. Utilisez-le pour affiner la similitude faciale lors de l'utilisation d'un préréglage FaceID v2.
• weight_type (COMBO) : Détermine comment le poids de l'IPAdapter est appliqué au cours du processus de denoise. Différentes méthodes créent différentes courbes de progression pour l'influence.
• combine_embeds (COMBO, options: concat, add, subtract, average, norm average) : Méthode utilisée pour combiner les embeddings d'image, par exemple lorsqu'une image positive et une image négative sont fournies, ou lorsque plusieurs embeddings sont présents.
• start_at (FLOAT, default = 0, range 0–1) : Point de départ de la boucle de denoise à partir duquel l'IPAdapter commence à appliquer son effet. 0 signifie dès la toute première étape.
• end_at (FLOAT, default = 1, range 0–1) : Point de fin de la boucle de denoise auquel l'IPAdapter cesse d'appliquer son effet. 1 signifie qu'il reste actif jusqu'à la dernière étape.
• embeds_scaling (COMBO, options: V only, K+V, K+V w/ C penalty, K+mean(V) w/ C penalty) : Contrôle la façon dont les embeddings d'image sont projetés dans le mécanisme d'attention du modèle. Différents modes de mise à l'échelle affectent l'équilibre entre les clés et les valeurs.
• cache_mode (COMBO, default = "all", options: insightface only, clip_vision only, ipadapter only, all, none) : Détermine quels résultats intermédiaires sont mis en cache pour être réutilisés. La mise en cache améliore les performances lors de l'application de l'IPAdapter à plusieurs reprises.
• use_tiled (BOOLEAN, default = false) : Active le traitement en tuiles pour les grandes images, réduisant l'utilisation de la mémoire au prix d'une certaine surcharge de traitement ou de compromis sur la qualité.
• use_batch (BOOLEAN, default = false) : Traite les images d'entrée par lots au lieu de les traiter individuellement, ce qui peut être utile lors de l'application de plusieurs invites d'image à la fois.
• sharpening (FLOAT, default = 0, range 0–1) : Applique un renforcement de netteté à l'image d'entrée avant l'extraction des caractéristiques. Des valeurs plus élevées peuvent augmenter les détails et la définition.

Optionnel

• image_negative (IMAGE, optionnel) : Une image de référence négative. Ses embeddings sont combinés avec l'image principale à l'aide du mode combine_embeds pour aider à éloigner la génération des caractéristiques indésirables.
• attn_mask (MASK, optionnel) : Un masque d'attention qui limite l'influence de l'IPAdapter à des régions spécifiques de l'image. Les zones à l'extérieur/à l'intérieur du masque peuvent être contrôlées selon la sémantique du masque.
• clip_vision (CLIP_VISION, optionnel) : Un modèle CLIP Vision utilisé pour encoder l'image d'entrée. S'il est omis, le modèle associé au préréglage/IPAdapter sélectionné est utilisé.
• optional_ipadapter (IPADAPTER, optionnel) : Un objet IPAdapter déjà configuré. Utilisez-le pour réutiliser un adaptateur précédemment chargé ou personnalisé au lieu d'en construire un à partir du préréglage.
• layer_weights (STRING, default = "") : Chaîne optionnelle pour un contrôle fin de la contribution des calques IPAdapter individuels. Laissez vide pour utiliser le comportement de calque par défaut.

Sorties

• MODEL : Le modèle modifié avec l'IPAdapter appliqué. Connectez-le à un sampler ou à d'autres nœuds de traitement de modèles.
• IMAGE : L'image traitée provenant de l'étape d'entrée/prétraitement de l'IPAdapter. Elle peut être utilisée pour inspection ou transmise à d'autres nœuds.
• MASK : Le masque d'attention utilisé par le nœud, après tout traitement interne. Utile pour le débogage ou pour réutiliser le masque effectif en aval.
• IPADAPTER : L'objet IPAdapter configuré. Vous pouvez réutiliser cet adaptateur dans d'autres nœuds compatibles pour éviter de le reconstruire.

Notes d'utilisation

• Les paramètres provider et lora_strength sont particulièrement importants pour les préréglages de type FaceID. Assurez-vous que le fournisseur sélectionné correspond à votre installation InsightFace et que la force du LoRA est équilibrée pour préserver l'identité sans déformer le résultat généré.
• Utilisez start_at / end_at pour contrôler quand l'influence de l'IPAdapter se produit dans le processus de denoise. Appliquer l'IPAdapter uniquement dans les étapes ultérieures peut préserver une plus grande liberté de composition, tandis qu'une application plus précoce produit un effet global plus fort.
• combine_embeds devient pertinent lorsque image_negative est fourni. Des modes comme concat et average peuvent produire des comportements d'orientation très différents.
• Activez use_tiled si vous rencontrez des problèmes de mémoire avec des images de référence haute résolution ou des masques d'attention.
• cache_mode = "all" est recommandé lors de la réutilisation du même adaptateur ou de la même image de référence sur plusieurs k-samplers. Définissez-le sur "none" si l'utilisation de la mémoire est un problème ou si votre flux de travail utilise de nombreuses entrées distinctes.
• Les sorties IMAGE et MASK sont fournies pour le débogage ou pour être enchaînées dans des flux de travail qui doivent visualiser ou post-traiter l'image de référence et le masque d'attention.