Easy Apply InstantID (고급) (instantIDApplyAdvanced) - ComfyUI-Easy-Use

고급 Easy-Use pipeline을 사용하여 InstantID 정체성을 적용합니다. 이 노드는 InstantID 모델을 로드하고, InsightFace로 참조 얼굴을 감지하고, 구조적 가이드를 위한 선택적 ControlNet을 연결하고, 정체성을 모델과 조건화에 한 단계로 주입합니다. PIPE_LINE에서 작동하며 수정된 MODEL 및 포지티브/네거티브 CONDITIONING을 별도로 반환할 수도 있습니다.

이 노드는 EasyUse/Adapter 카테고리의 일부이며, 기본 Easy Apply InstantID 노드보다 InstantID 강도, ControlNet 영향 및 스케줄링을 더 세밀하게 제어해야 하는 워크플로를 위해 설계되었습니다.

입력

입력	유형	필수	기본값	설명
`pipe`	PIPE_LINE	✅	-	모델, 조건화 및 기타 워크플로 데이터를 포함하는 pipeline 상태입니다.
`image`	IMAGE	✅	-	정체성을 적용할 얼굴이 포함된 참조 이미지입니다.
`instantid_file`	COMBO	✅	-	로드할 InstantID 모델 파일입니다.
`insightface`	COMBO	✅	-	얼굴 감지/분석에 사용되는 공급자: `CPU`, `CUDA` 또는 `ROCM`.
`control_net_name`	COMBO	✅	-	구조적 포즈/얼굴 가이드에 사용되는 ControlNet 모델 이름입니다.
`cn_strength`	FLOAT	✅	1	ControlNet 조건화의 강도. 범위: 0~10, 단계 0.01.
`cn_soft_weights`	FLOAT	✅	1	ControlNet 가중치의 부드러움. 범위: 0~1, 단계 0.001.
`weight`	FLOAT	✅	0.8	InstantID 정체성 주입의 전반적인 강도. 범위: 0~5, 단계 0.01.
`start_at`	FLOAT	✅	0	샘플링 중 InstantID/ControlNet 영향에 대한 스케줄링 시작 지점. 범위: 0~1, 단계 0.001.
`end_at`	FLOAT	✅	1	샘플링 중 InstantID/ControlNet 영향에 대한 스케줄링 종료 지점. 범위: 0~1, 단계 0.001.
`noise`	FLOAT	✅	0.35	정체성 embedding에 혼합되는 노이즈 수량. 값이 낮을수록 일반적으로 참조 얼굴에 더 가깝게 유지됩니다. 범위: 0~1, 단계 0.05.
`image_kps`	IMAGE	❌	-	ControlNet 구조적 가이드를 위한 선택적 키포인트/포즈 이미지입니다.
`mask`	MASK	❌	-	InstantID/ControlNet 조건화가 적용되는 위치를 제한하는 선택적 마스크입니다.
`control_net`	CONTROL_NET	❌	-	선택적 사전 로드된 ControlNet으로, `control_net_name`으로 로딩하는 대신 이미 구성된 ControlNet이 있을 때 유용합니다.
`positive`	CONDITIONING	❌	-	선택적 포지티브 조건화. 생략하면 `pipe`의 포지티브 조건화가 사용됩니다.
`negative`	CONDITIONING	❌	-	선택적 네거티브 조건화. 생략하면 `pipe`의 네거티브 조건화가 사용됩니다.

출력

출력	유형	설명
`PIPE_LINE`	PIPE_LINE	InstantID가 적용된 모델과 조건화를 포함하는 업데이트된 pipeline입니다.
`MODEL`	MODEL	InstantID 및 ControlNet 주입 이후 수정된 모델입니다.
`CONDITIONING`	CONDITIONING	InstantID에 맞게 조정된 포지티브 조건화입니다.
`CONDITIONING`	CONDITIONING	InstantID에 맞게 조정된 네거티브 조건화입니다.

사용 참고 사항

보존하려는 정체성을 가진 얼굴에 image를 사용하세요. instantid_file은 정체성 embedding에 사용할 InstantID 모델을 결정합니다.
insightface는 런타임과 일치해야 합니다. CUDA는 일반적으로 NVIDIA GPU에서 가장 빠르고, ROCM은 AMD GPU에서, CPU는 어디서나 작동하지만 더 느립니다.
cn_strength와 cn_soft_weights는 InstantID의 ControlNet 측면을 제어합니다. ControlNet은 일반적으로 정체성이 적용되는 동안 포즈나 얼굴 구조를 일관되게 유지하는 데 사용됩니다.
weight는 참조 정체성이 생성된 결과에 얼마나 강하게 영향을 미치는지 조절하는 주요 다이얼입니다.
start_at과 end_at을 사용하면 InstantID가 denoising 프로세스에 영향을 미치기 시작하고 중지하는 시점을 스케줄링할 수 있습니다. 이 범위를 제한하면 초기에 구성을 보존하거나 나중 단계에서 과도하게 제약하는 것을 피하는 데 도움이 될 수 있습니다.
noise는 정체성 embedding 변형에 영향을 줍니다. 값이 낮을수록 일반적으로 참조 얼굴에 더 가깝게 일치하고, 값이 높을수록 더 많은 표정이나 변화가 허용될 수 있습니다.
positive와 negative가 제공되면 InstantID의 시작 조건화로 사용됩니다. 생략하면 이 노드는 pipe에 이미 저장된 조건화를 사용하므로 Easy-Use 샘플러/로더 pipeline에서 연결하기에 편리합니다.
MODEL 및 CONDITIONING 출력을 반환하면 전체 PIPE_LINE을 유지하지 않고도 이 노드를 사용할 수 있으며, 수정된 값을 다른 커스텀 노드에 전달할 수도 있습니다.
외부 control_net을 제공하면 control_net_name에서 로딩하는 것보다 우선합니다. 이는 단일 로드된 ControlNet을 여러 노드에서 공유하려는 경우 유용합니다.

Easy Apply InstantID (고급)(instantIDApplyAdvanced)

instant ID Apply Advanced

입력

출력

사용 참고 사항

댓글