KJNodes/experimentalgenerated

Stable Zero123 Batch Schedule(StableZero123_BatchSchedule)

技術的な実装の観点から、このノードは初期画像を受け取り、CLIP Vision モデルを使用してその視覚的特徴を抽出し、条件付けガイダンスとして利用します。

Stable Zero123 Batch Schedule

clip_vision
init_image
vae
positive
negative
latent
width
INT
height
INT
batch_size
1
interpolation
COMBO
azimuth_points_string
0:(0.0), 7:(1.0), 15:(0.0)
elevation_points_string
0:(0.0), 7:(0.0), 15:(0.0)
KJNodes

ノード機能

技術的な実装の観点から、このノードは初期画像を受け取り、CLIP Vision モデルを使用してその視覚的特徴を抽出し、条件付けガイダンスとして利用します。同時に、VAE を使用して初期画像をエンコードし、基礎となる潜在表現を生成します。最も重要な部分は、2 つの独立した STRING パラメータを通じて、生成バッチ内の各ステップにおける方位角と仰角の変化曲線をそれぞれ定義できることです。また、複数の補間方法をサポートしてこれらの変化点をスムーズにし、視点変換パスを精密にプログラムすることが可能です。

ノードパラメータ説明 - Stable Zero123 Batch Schedule

接続入力 (Inputs)

パラメータ名データ型必須デフォルト値値の範囲/オプション説明
clip_visionCLIP_VISIONはい--CLIP Vision モデルを接続します。入力された初期画像をエンコードし、視覚的特徴を抽出して、画像生成に必要な条件情報を生成するために使用されます。
init_imageIMAGEはい--初期画像を入力します。ノードはこの画像の特徴に基づいて、後続の異なる視点の画像条件を生成します。
vaeVAEはい--VAE モデルを接続します。入力された初期画像を潜在空間にエンコードし、後続の拡散プロセスの開始点となる潜在表現を生成するために使用されます。

コントロールパラメータ (Parameters)

パラメータ名データ型必須デフォルト値値の範囲/オプション説明
interpolationCOMBOはいlinear"linear", "ease_in", "ease_out", "ease_in_out"方位角と仰角の変化のキーポイント間の遷移をスムーズにするために使用する補間方法を指定します。オプションにはリニア (linear)、イーズイン (ease_in)、イーズアウト (ease_out)、イーズインアウト (ease_in_out) があり、視点変化の速度曲線を制御します。
widthINTはい25616 - MAX_RESOLUTION (ステップ: 8)出力される潜在画像の幅を設定します。値の範囲は16からMAX_RESOLUTIONまでで、8ステップ単位で調整可能です。
heightINTはい25616 - MAX_RESOLUTION (ステップ: 8)出力される潜在画像の高さを設定します。値の範囲は16からMAX_RESOLUTIONまでで、8ステップ単位で調整可能です。
batch_sizeINTはい11 - 4096生成のバッチサイズ、つまり最終的に出力される条件シーケンスと潜在表現の数を定義します。値の範囲は1から4096までです。
azimuth_points_stringSTRINGはい0:(0.0), 7:(1.0), 15:(0.0)-特定の文字列形式で、バッチシーケンス内の方位角(水平回転角度)のキー変化点を定義します。ポイントは改行で区切られます。形式: "フレームインデックス:(角度値)," 例: "0:(0.0),\n7:(1.0),\n15:(0.0)\n"
elevation_points_stringSTRINGはい0:(0.0), 7:(0.0), 15:(0.0)-特定の文字列形式で、バッチシーケンス内の仰角(垂直ピッチ角度)のキー変化点を定義します。ポイントは改行で区切られます。形式: "フレームインデックス:(角度値)," 例: "0:(0.0),\n7:(0.0),\n15:(0.0)\n"

出力 (Output)

パラメータ名データ型説明
positiveCONDITIONING拡散モデルがターゲット画像を生成する際のガイダンスとして使用される、ポジティブな条件情報を出力します。
negativeCONDITIONING拡散モデルが特定の内容を生成するのを避けるためのガイダンスとして使用される、ネガティブな条件情報を出力します。
latentLATENT拡散プロセスの開始点として、VAE によってエンコードされた初期潜在表現を出力します。

使用シナリオ

実際のアプリケーションでは、このノードは、単一の画像から3Dオブジェクトの回転アニメーションやマルチビューデータセットを生成するワークフローを構築するのに非常に適しています。例えば、ユーザーは画像読み込みノードを接続して初期オブジェクト写真を提供し、その後、このノードの出力を Stable Diffusion や Zero123 などのサンプラーに接続することで、最終的にオブジェクトを中心に回転する一貫性のある画像シーケンスを生成できます。このシーケンスは、動画の作成やさらなる3Dメッシュ再構築に使用できます。

注意事項

このノードが生成する "latent" 出力は、初期画像をエンコードして得られたものであり、その解像度は入力パラメータ widthheight によって制限されることに注意してください。また、変化シーケンスの定義は特定の文字列形式に従う必要があります。不正な形式はパースエラーの原因となる可能性があります。

Stable Zero123 Batch Schedule ノードのソースコードリンク

Stable Zero123 Batch Schedule ノードは ComfyUI-KJNodes ノードパッケージから提供されています。

コメント

GitHubでサインインしてディスカッションに参加しましょう。

コメントを読み込み中…