ComfyUI-VOSR2 apporte l'upscaler VOSR 2.0 en une étape à ComfyUI

Ce qu'est VOSR 2.0

VOSR 2.0 est un modèle de super-résolution en une étape construit à partir de trois éléments fixes : un backbone LightningDiT, le VAE 2D Qwen-Image comme espace latent, et un encodeur visuel DINOv2-L pour le conditionnement. Il est génératif plutôt qu'un passage classique de redimensionnement et d'accentuation, il peut donc reconstruire une structure qui n'est pas littéralement présente dans l'entrée basse résolution, comme les glyphes de texte, les traits du visage et les contours des bâtiments.

La comparaison de la carte du modèle sur les structures fines et les petits textes, là où l'article positionne VOSR 2.0 comme le plus performant.

Comme ces éléments appartiennent à un même ensemble entraîné, le package de nœuds les traite comme un bundle : le DiT ne fonctionne qu'avec le VAE 2D Qwen avec lequel il a été entraîné, et l'encodeur visuel est apparié de la même manière. Il n'y a pas d'entrée VAE ou d'encodeur distinct à permuter.

Les deux nœuds

Les deux nœuds se trouvent sous image/upscaling/VOSR2 :

Le nœud de mise à l'échelle prend un multiplicateur upscale (par défaut 4, sans plafond), un seed pour le bruit latent où l'élément de lot i utilise seed + i, un mode color_alignment (wavelet, adain ou none) qui post-traite par rapport à la cible bicubique, et des contrôles de mosaïque distincts pour le DiT et le VAE.

La mise en mosaïque n'est pas optionnelle au-delà de 512 px

Voici la partie qu'il vaut la peine de lire avant de mettre un job en file d'attente : VOSR 2.0 a été entraîné nativement jusqu'à 512 px, donc dès que la sortie mise à l'échelle dépasse 512x512, vous devez définir tile_size (512 est la valeur documentée), sinon la qualité se dégrade. Pour des sorties bien au-delà de 1024 px, vae_tile_size doit également être défini, autour de 1024, sinon le décodage VAE de l'image complète manquera très probablement de mémoire.

Entrée basse résolution avec du petit texte	Sortie VOSR 2.0

Le loader valide args.json par rapport à l'architecture fixe de VOSR 2.0 avant de construire quoi que ce soit, donc un checkpoint incompatible échoue avec un message clair au lieu de se charger partiellement. Tout dossier bundle contenant un args.json placé sous models/vosr2/ apparaît dans la liste déroulante des modèles, mais seul VOSR2 est téléchargé automatiquement.

Flux de travail

Exemple de flux de travail : deux paires loader/upscale, afin de garder le bundle chargé en dehors du chemin d'exécution par image.

Disponibilité

Clonez ylchen333/ComfyUI-VOSR2 dans ComfyUI/custom_nodes puis redémarrez. Il nécessite ComfyUI avec un PyTorch récent, et le package le vérifie d'emblée afin qu'un ancien environnement consigne une erreur claire au lieu de disparaître de la liste des nœuds.

Lors de la première exécution, le loader télécharge tout élément manquant depuis le référentiel épinglé CSWRY/VOSR vers un bundle models/vosr2/VOSR2/ et ignore le téléchargement par la suite. Le fichier DINOv2-L de ce référentiel est un pickle PyTorch brut ; le loader le convertit automatiquement en safetensors, et le README documente la conversion manuelle pour les installations hors ligne.