Nœud PreSampling (LayerDiffuse) pour ComfyUI-Easy-Use(layerDiffusionSettings)

Ce nœud est un contrôle de pré-échantillonnage pour les flux de travail Layer Diffusion. Il attache les réglages Layer Diffusion et les paramètres d'échantillonnage à un PIPE_LINE, afin que les nœuds échantillonneurs en aval fonctionnent avec un comportement d'attention ou de convolution conscient de la transparence au lieu d'un simple débruitage de latent.

Description

PreSampling (LayerDiffuse) est utilisé avant le KSampler dans un pipeline EasyUse. Il prend un PIPE_LINE existant, applique la méthode et le poids LayerDiffusion sélectionnés, puis transmet le PIPE_LINE modifié. Il expose également les commandes d'échantillonnage typiques : steps, CFG, sampler, scheduler, denoise et seed, afin de configurer toute la génération au même endroit. Lorsque les entrées optionnelles image, blended_image et mask sont fournies, le nœud peut participer à la génération LayerDiffuse image-à-image ou masquée.

Entrées

• pipe (PIPE_LINE, requis) :
  Le pipeline en amont contenant le modèle, le conditionnement positif/négatif, les latents et autres paramètres d'échantillonnage. Ce nœud lit ce pipeline et y écrit.

• method (COMBO, requis) :
  Sélectionne la méthode d'injection LayerDiffusion à appliquer. Les choix disponibles dépendent de votre installation LayerDiffuse. Choisissez la méthode qui correspond au modèle LayerDiffuse et au flux de travail que vous utilisez.

• weight (FLOAT, requis) :
  Défaut : 1.0, Minimum : -1.0, Maximum : 3.0, Pas : 0.05
  Contrôle la force de l'effet Layer Diffusion. Des valeurs plus élevées rendent les calques conscients de la transparence plus influents ; des valeurs plus faibles ou négatives affaiblissent ou inversent l'effet.

• steps (INT, requis) :
  Défaut : 20, Minimum : 1, Maximum : 10000
  Nombre d'étapes d'échantillonnage à exécuter.

• cfg (FLOAT, requis) :
  Défaut : 8.0, Minimum : 0, Maximum : 100
  Échelle de guidance sans classificateur.

• sampler_name (COMBO, requis) :
  Défaut : euler
  L'échantillonneur à utiliser pour le débruitage. Les options suivent la liste standard des échantillonneurs de ComfyUI.

• scheduler (COMBO, requis) :
  Défaut : normal
  Le scheduler utilisé avec l'échantillonneur.

• denoise (FLOAT, requis) :
  Défaut : 1.0, Minimum : 0, Maximum : 1, Pas : 0.01
  La fraction du latent à débruiter. 1.0 effectue un débruitage complet ; des valeurs plus faibles préservent davantage la structure d'origine lorsqu'une image d'entrée est utilisée.

• seed (INT, requis) :
  Graine pour le processus d'échantillonnage. Définissez une valeur fixe pour rendre la génération reproductible. Si le widget est laissé en mode aléatoire, la valeur peut changer à chaque exécution.

• image (IMAGE, optionnel) :
  Image d'entrée optionnelle pour les flux de travail Layer Diffusion image-à-image ou masqués.

• blended_image (IMAGE, optionnel) :
  Image pré-composée optionnelle utilisée par Layer Diffusion comme cible de composition. La fournir peut aider le modèle à comprendre comment le calque de premier plan doit s'adapter à la scène.

• mask (MASK, optionnel) :
  Masque optionnel qui définit la région à générer ou à modifier. La zone masquée reçoit le traitement Layer Diffusion tandis que les zones non masquées sont préservées.

Sorties

• pipe (PIPE_LINE) :
  Le pipeline mis à jour, prêt à être transmis à un nœud échantillonneur en aval. Le pipeline renvoyé inclut les paramètres d'échantillonnage configurés et les paramètres LayerDiffuse.

Notes d'utilisation

• Utilisez ce nœud comme dernière étape de pré-échantillonnage avant un échantillonneur qui prend en charge PIPE_LINE, comme les variantes KSampler de ComfyUI-Easy-Use.
• Les entrées optionnelles image, blended_image et mask ne sont pas toutes requises pour chaque méthode. Pour une génération LayerDiffuse simple, vous pouvez les laisser déconnectées, et le nœud fonctionnera dans le style texte-vers-image avec Layer Diffusion appliqué.
• Lorsque vous utilisez denoise < 1.0, connectez image (et généralement mask) pour que l'échantillonneur ait une référence pour aligner le débruitage partiel.
• weight peut être négatif. Dans certaines méthodes LayerDiffuse, cela peut produire un effet inversé ou correctif ; expérimentez avec de petits pas autour de valeurs typiques comme 0.8, 1.0 ou 1.2.
• Si la sortie semble mal fusionnée ou si la séparation premier plan/arrière-plan est trop faible, augmentez weight ou vérifiez que method correspond au modèle LayerDiffuse que vous avez chargé.
• steps, cfg, sampler_name et scheduler se comportent exactement comme les mêmes paramètres sur un nœud échantillonneur classique, donc les préréglages d'échantillonneur existants peuvent être réutilisés ici.