Easy Apply InstantID 노드(instantIDApply)
이 노드는 EasyUse pipeline 내에서 InstantID 정체성 보존을 적용합니다.
instant ID Apply
이 노드는 EasyUse pipeline 내에서 InstantID 정체성 보존을 적용합니다. 얼굴 이미지, 선택된 InstantID 모델, 선택적 ControlNet, 그리고 InsightFace 기반 얼굴 분석을 사용하여 모델에 정체성 정보를 주입하고 샘플링에 적합한 포지티브/네거티브 조건화를 생성합니다.
입력
필수
-
pipe (
PIPE_LINE): 모델, 조건화 및 기타 샘플링 데이터를 포함하는 pipeline 상태입니다. 이 노드는 InstantID 어댑터가 적용된 상태로 이 pipeline을 업데이트합니다. -
image (
IMAGE): InstantID용 정체성 embedding을 추출하는 데 사용되는 얼굴 이미지입니다. -
instantid_file (
COMBO): 사용 가능한 파일 중에서 사용할 InstantID 모델 파일을 선택합니다. -
insightface (
COMBO): InsightFace 얼굴 분석에 사용되는 디바이스 백엔드입니다. 옵션:CPU,CUDA,ROCM. 사용 가능한 하드웨어에 맞는 백엔드를 선택하세요. -
control_net_name (
COMBO): InstantID와 함께 구조/포즈 가이드에 사용할 ControlNet 모델 파일을 선택합니다. -
cn_strength (
FLOAT): 적용된 ControlNet의 강도입니다. 기본값은1.0, 범위는0.0~10.0입니다. -
cn_soft_weights (
FLOAT): ControlNet 기여에 대한 소프트 가중치입니다. 기본값은1.0, 범위는0.0~1.0입니다. -
weight (
FLOAT): InstantID 정체성 어댑터의 전체 강도입니다. 기본값은0.8, 범위는0.0~5.0입니다. -
start_at (
FLOAT): InstantID/ControlNet 조건화가 적용되기 시작하는 denoising 과정의 비율입니다. 기본값은0.0, 범위는0.0~1.0입니다. -
end_at (
FLOAT): InstantID/ControlNet 조건화 적용이 중단되는 denoising 과정의 비율입니다. 기본값은1.0, 범위는0.0~1.0입니다. -
noise (
FLOAT): 조건화/정체성 embedding에 적용되는 노이즈 양입니다. 기본값은0.35, 범위는0.0~1.0, 스텝은0.05입니다.
선택 사항
-
image_kps (
IMAGE): 구조 가이드를 위한 ControlNet 키포인트 입력으로 사용되는 선택적 키포인트/포즈 이미지입니다. -
mask (
MASK): InstantID 효과를 이미지의 특정 영역으로 제한하는 선택적 마스크입니다. -
control_net (
CONTROL_NET): 선택적으로 사전 로드된 ControlNet 모델입니다. 제공되면control_net_name으로 선택된 모델을 대체할 수 있습니다.
출력
-
PIPE_LINE: InstantID 조건화가 적용된 업데이트된 pipeline 상태입니다.
-
MODEL: InstantID 어댑터와 ControlNet이 적용된 패치된 모델입니다.
-
CONDITIONING: InstantID 정체성 정보를 포함하는 포지티브 조건화입니다.
-
CONDITIONING: 샘플링 중 사용되는 네거티브 조건화입니다.
사용 참고 사항
-
반환된 모델로 샘플링할 때 포지티브 및 네거티브 조건화 출력을 사용하세요.
-
image는 안정적인 정체성 추출을 위해 선명한 얼굴 이미지여야 합니다. -
image_kps가 제공되면 정체성 이미지와 별도로 포즈/구조 정보를 전달하는 데 사용할 수 있습니다. -
start_at및end_at값은 denoising 중 InstantID/ControlNet 가이드가 활성화되는 시점을 제어할 수 있게 해주며, 정체성 충실도와 전체 구도 사이의 균형을 맞추는 데 유용합니다. -
올바른
insightface백엔드를 선택하는 것은 성능과 호환성에 중요합니다. GPU 가속이 가능하면CUDA또는ROCM을 사용하고, 그렇지 않으면 폴백으로CPU를 사용하세요.
댓글
GitHub로 로그인하고 토론에 참여하세요.