MiniMax H3 トレーニング済み 2倍潜在アップスケーラーが ComfyUI ノードと共に登場

Tr1dae は、MiniMax H3 向けのトレーニング済みクリーン潜在2倍アップスケーラーをリリースしました。ComfyUI-MiniMaxH3_LatentUpscaler カスタムノードパックとしてパッケージ化され、Hugging Face にはコンパニオンチェックポイント (h3_clean_latent_upscaler_film_epoch200.safetensors) が用意されています。このノードはアップスケーリングを正確に2倍に固定し、完全に潜在空間内で動作するため、ワークフローは低解像度のファーストパスから高解像度のセカンドパスへ、サンプラーを離れることなく移行できます。

概要

従来のレンダリング完了後にシャープにするアップスケーラーとは異なり、このツールは MiniMax H3 サンプラー間で空間潜在サイズを2倍にします。最初に低コストで小さくレンダリングし、クリーン潜在を2倍にアップスケールしてから、フル解像度でデノイズを続けます。

• 空間潜在サイズのみを2倍にします。時間方向の長さは変わりません。
• デフォルトではトレーニング済みの2倍ネットワーク (method = learned model) を使用します。これは、ピクセルアップスケール/再エンコードされた教師潜在に対するバイリニア潜在補間の補正として学習されており、デコーダー対応、SSIM、空間・時間的損失を含みます。
• オーディオストリームをそのまま保持します。audio_denoise を 0 に設定するとパス1の音声が完全にロックされ、1 にするとパス2で完全にリミックスできます。中間の値はサポートされていません。
• sigmas[0] で NestedTensor対応のCONST再ノイズを実行します。標準の LatentUpscaleBy / AddNoise は、MiniMax の結合音声・動画潜在 (video [B,24,T,H/16,W/16] + audio [B,32,2,T_audio]) で壊れます。

このパックには複数のノードが含まれています。MiniMax H3 Latent Upscale Combined (メインの適用ノード)、ノルムを保持する Latent Blur / Sharpen / Contrast ヘルパー、そして Save / Load Package + Upscale Collect システムです。これによりパス1の潜在と条件付けを保存し、HQタイムラインと MP4 / FCP7 XML エクスポートを使用して、高品質なアップスケーリングを延期して行えます。

インストール

cd ComfyUI/custom_nodes
git clone https://github.com/Tr1dae/ComfyUI-MiniMaxH3_LatentUpscaler

トレーニング済みチェックポイントは、初回の learned model 実行時に SHA-256 検証付きで自動ダウンロードされ、ComfyUI/models/h3_latent_upscalers/ に保存されます。アーキテクチャコードは、以前の 2倍潜在アップスケーラーのニュース でも言及されている、姉妹インストールの ComfyUI-H3-Latent-Upscaler-Mamad8 から読み込まれます。

コミュニティの結果

Banodoco コミュニティは8月中旬からこのツールをベンチマークしています。foxydits 氏は、Seed Hunter ワークフロー (このノード上に構築) が、RTX 3090 上で 0.5 MP のベースを 5分未満で1080p にレンダリングすると報告しています (discord)。DiXiao 氏はこれを ComfyUI-MiniMax-H3-SPEED と Turbo LoRA と組み合わせ、約150〜180秒で10秒・1344×768の動画を生成し、この方法を「ノードが使用するスタンダードなアップスケーリング方法よりも優れており、ほぼ同じ速度」と評価しています (discord)。

foxydits 氏の初期の Seed Hunter テストからの比較は、0.2 MP のオリジナルに対するアップスケール後のパスを示しています。

潜在アップスケールされた704×1216	オリジナル0.2 MPレンダリング

背景

今回のリリースは、MiniMax 自身の H3 Regenerate-2K アップスケーラーが残したギャップを埋めるものです。チームは AMA で、このアップスケーラーはオープンソース化の前に効率性の最適化が続けられていると述べています。それまでの間、コミュニティの潜在アップスケーラーが実用的な答えであり、Tr1dae パックは、以前の補間ベースのアプローチに加えて、トレーニング済みネットワークのオプションを提供します。