WanVideoNAG

Le nœud WanVideoNAG est basé sur le projet Normalized-Attention-Guidance de ChenDarYen. Il fonctionne en modifiant les couches d'attention croisée pendant le processus de diffusion du modèle.

WanVideoNAG est un nœud expérimental conçu pour appliquer le Guidage d'Attention Normalisée (NAG) aux modèles de génération vidéo. Sa fonction principale est d'améliorer ou de contrôler l'alignement du contenu vidéo généré avec des conditions données (comme une invite textuelle) en ajustant le mécanisme d'attention interne du modèle. Cela peut potentiellement améliorer la cohérence de la vidéo ou sa fidélité thématique.

Fonctionnalité du nœud

Ce nœud est basé sur le projet Normalized-Attention-Guidance de ChenDarYen. Il fonctionne en modifiant les couches d'attention croisée pendant le processus de diffusion du modèle. Il prend un modèle de base et une entrée de conditionnement, et contrôle finement l'intensité du guidage, le rapport de mélange et le seuil de découpage pour le biais d'attention à l'aide des trois paramètres nag_scale, nag_alpha et nag_tau. Il offre également des paramètres optionnels pour le type d'entrée et la modification du modèle en place. Finalement, il produit en sortie un nouveau modèle modifié qui intègre le mécanisme NAG.

Spécifications des paramètres du nœud - WanVideoNAG

Entrées de connexion (Inputs)

Nom du paramètre	Type de données	Requis	Valeur par défaut	Plage/Valeurs possibles	Description
`model`	MODEL	Oui	-	-	Sort un nouveau modèle auquel le mécanisme de guidage par attention normalisée a été appliqué.
`conditioning`	CONDITIONING	Oui	-	-	Entrée des embeddings conditionnels textuels utilisés pour guider le processus de génération. Provient généralement du nœud `CLIP Text Encode`.

Paramètres de contrôle (Parameters)

Nom du paramètre	Type de données	Requis	Valeur par défaut	Plage/Valeurs possibles	Description
`nag_scale`	FLOAT	Oui	11.0	0.0 - 100.0 (pas : 0.001)	Force de l'effet de guidage négatif.
`nag_alpha`	FLOAT	Oui	0.25	0.0 - 1.0 (pas : 0.001)	Coefficient de mélange qui contrôle l'équilibre entre la représentation guidée normalisée et la représentation positive originale.
`nag_tau`	FLOAT	Oui	2.5	0.0 - 10.0 (pas : 0.001)	Seuil de découpage qui contrôle l'écart maximal autorisé entre l'attention guidée et l'attention positive.
`input_type`	COMBO	Non	default	"default", "batch"	Détermine comment le conditionnement est appliqué. "default" traite le conditionnement comme une entrée unique ; "batch" attend un conditionnement par lots.
`inplace`	BOOLEAN	Non	False	True/False	Si activé, modifie le modèle en place au lieu de renvoyer une copie. À utiliser avec précaution pour éviter des effets secondaires indésirables.

Sortie (Output)

Nom du paramètre	Type de données	Description
model	MODEL	Sort un nouveau modèle auquel le mécanisme de guidage par attention normalisée a été appliqué.

Scénarios d'utilisation

Dans un flux de travail de génération vidéo, vous pouvez placer ce nœud après le chargement du modèle de base et avant l'échantillonneur. Par exemple, chargez d'abord un modèle vidéo avec Checkpoint Loader, puis générez le conditionnement avec le nœud CLIP Text Encode. Ensuite, connectez le modèle et le conditionnement au nœud WanVideoNAG pour ajustement. Enfin, connectez le modèle en sortie au nœud échantillonneur pour la génération vidéo.

Notes importantes

Ce nœud se trouve dans la catégorie KJNodes/wan et est basé sur le code de recherche du projet Normalized-Attention-Guidance. Bien que ses fonctionnalités puissent être puissantes, il peut encore se comporter de manière imprévisible dans certains flux de travail. Il est recommandé de tester avec une gamme de paramètres et de comprendre le mécanisme sous-jacent avant de l'utiliser en production.

Lien vers le code source du nœud WanVideoNAG

Le nœud WanVideoNAG provient du pack de nœuds ComfyUI-KJNodes.

Wan Video NAG