ComfyUI Easy Apply IPAdapter (고급) 노드(ipadapterApplyAdvanced)

Easy Apply IPAdapter (고급) 노드는 베이스 모델에 IPAdapter를 적용하며, 임베딩 구성, 어텐션 마스킹, LoRA 강도, 공급자 선택, 캐싱, 타일 처리 등을 폭넓게 제어할 수 있습니다. FaceID 스타일 프리셋과 고급 워크플로를 처리할 수 있는 유연한 올인원 IPAdapter 적용 노드로 설계되었습니다.

입력

필수

• model (MODEL): IPAdapter가 적용될 베이스 확산 모델입니다.
• image (IMAGE): 이미지 프롬프트로 사용되는 참조 이미지입니다. 이 이미지는 모델에 주입되는 콘텐츠와 스타일을 결정합니다.
• preset (COMBO): IPAdapter 프리셋 구성을 선택합니다. 사용 가능한 옵션은 설치된 IPAdapter 프리셋/모델에 따라 달라집니다(예: standard, Plus, FaceID 변형 등).
• lora_strength (FLOAT, 기본값 = 0.6, 범위 0–1): 선택된 프리셋과 연결된 LoRA의 강도입니다. 정체성을 유지하는 데 도움이 되는 LoRA를 사용하는 FaceID 스타일 프리셋에서 특히 중요합니다. 0은 LoRA 효과를 비활성화하고, 1은 전체 LoRA 강도를 적용합니다.
• provider (COMBO, 기본값 = "CUDA", 옵션: CPU, CUDA, ROCM, DirectML, OpenVINO, CoreML): InsightFace/FaceID 연산에 사용되는 컴퓨팅 공급자입니다. 하드웨어 및 런타임과 일치하는 공급자를 선택하십시오.
• weight (FLOAT, 기본값 = 1, 범위 -1–3): 모델에 대한 IPAdapter 영향의 전반적인 강도입니다. 값이 높을수록 효과가 증가하며, 음수 값은 영향을 반전시킬 수 있습니다.
• weight_faceidv2 (FLOAT, 기본값 = 1, 범위 -1–5): FaceID v2 프리셋 전용 추가 가중치입니다. v2 FaceID 프리셋을 사용할 때 얼굴 유사성을 미세 조정하려면 이 값을 사용하십시오.
• weight_type (COMBO): IPAdapter 가중치가 디노이징 과정에서 어떻게 적용되는지 결정합니다. 방법에 따라 영향에 대한 다양한 램핑 곡선이 생성됩니다.
• combine_embeds (COMBO, 옵션: concat, add, subtract, average, norm average): 이미지 임베딩을 결합하는 방법입니다. 예를 들어 포지티브 이미지와 네거티브 이미지가 모두 제공되거나 여러 임베딩이 있을 때 사용합니다.
• start_at (FLOAT, 기본값 = 0, 범위 0–1): IPAdapter가 효과를 적용하기 시작하는 디노이징 루프의 시작 지점입니다. 0은 첫 번째 단계부터 적용됨을 의미합니다.
• end_at (FLOAT, 기본값 = 1, 범위 0–1): IPAdapter가 효과 적용을 중지하는 디노이징 루프의 종료 지점입니다. 1은 마지막 단계까지 활성 상태로 유지됨을 의미합니다.
• embeds_scaling (COMBO, 옵션: V only, K+V, K+V w/ C penalty, K+mean(V) w/ C penalty): 이미지 임베딩이 모델의 어텐션 메커니즘에 투영되는 방식을 제어합니다. 다양한 스케일링 모드는 키와 값 사이의 균형에 영향을 줍니다.
• cache_mode (COMBO, 기본값 = "all", 옵션: insightface only, clip_vision only, ipadapter only, all, none): 재사용을 위해 어떤 중간 결과를 캐시할지 결정합니다. 캐싱은 IPAdapter를 여러 번 적용할 때 성능을 향상시킵니다.
• use_tiled (BOOLEAN, 기본값 = false): 큰 이미지에 대해 타일 처리를 활성화하여 일부 처리 오버헤드나 품질 저하를 감수하는 대신 메모리 사용량을 줄입니다.
• use_batch (BOOLEAN, 기본값 = false): 입력 이미지를 개별적으로 처리하는 대신 배치로 처리합니다. 여러 이미지 프롬프트를 동시에 적용할 때 유용합니다.
• sharpening (FLOAT, 기본값 = 0, 범위 0–1): 특징 추출 이전에 입력 이미지에 샤프닝을 적용합니다. 값이 높을수록 디테일과 선명도가 증가할 수 있습니다.

선택 사항

• image_negative (IMAGE, 선택 사항): 네거티브 참조 이미지입니다. 이 이미지의 임베딩은 combine_embeds 모드를 사용하여 기본 이미지와 결합되어 원치 않는 특징을 피하도록 생성 방향을 조정합니다.
• attn_mask (MASK, 선택 사항): IPAdapter의 영향을 이미지의 특정 영역으로 제한하는 어텐션 마스크입니다. 마스크 의미에 따라 마스크 외부/내부 영역을 제어할 수 있습니다.
• clip_vision (CLIP_VISION, 선택 사항): 입력 이미지를 인코딩하는 데 사용되는 CLIP Vision 모델입니다. 생략하면 선택된 프리셋/IPAdapter와 연결된 모델이 사용됩니다.
• optional_ipadapter (IPADAPTER, 선택 사항): 이미 구성된 IPAdapter 객체입니다. 프리셋에서 새로 생성하는 대신 이전에 로드되거나 사용자 지정된 어댑터를 재사용하려면 이 값을 사용하십시오.
• layer_weights (STRING, 기본값 = ""): 개별 IPAdapter 레이어의 기여도를 세밀하게 제어하기 위한 선택적 문자열입니다. 기본 레이어 동작을 원하면 비워 두십시오.

출력

• MODEL: IPAdapter가 적용된 수정된 모델입니다. 이를 샘플러 또는 다른 모델 처리 노드에 연결하십시오.
• IMAGE: IPAdapter 입력/전처리 단계에서 처리된 이미지입니다. 검사에 사용하거나 다른 노드로 전달할 수 있습니다.
• MASK: 내부 처리 후 노드에서 사용된 어텐션 마스크입니다. 디버깅하거나 다운스트림에서 효과적인 마스크를 재사용하는 데 유용합니다.
• IPADAPTER: 구성된 IPAdapter 객체입니다. 이 어댑터를 다른 호환 노드에서 재사용하여 다시 빌드하지 않아도 됩니다.

사용 메모

• provider 및 lora_strength 설정은 FaceID 스타일 프리셋에서 특히 중요합니다. 선택된 공급자가 InsightFace 설치와 일치하는지, 그리고 LoRA 강도가 정체성을 보존하면서 생성 결과를 왜곡하지 않도록 균형을 이루는지 확인하십시오.
• start_at / end_at를 사용하여 디노이징 과정에서 IPAdapter 영향이 언제 발생하는지 제어하십시오. 후반 단계에서만 IPAdapter를 적용하면 구도 자유도를 더 잘 유지할 수 있고, 초반에 적용하면 전반적인 효과가 더 강해집니다.
• combine_embeds는 image_negative가 제공될 때 관련이 있습니다. concat 및 average 같은 모드는 매우 다른 유도 동작을 생성할 수 있습니다.
• 고해상도 참조 이미지나 어텐션 마스크로 메모리 문제가 발생하면 use_tiled를 전환하십시오.
• 여러 k-샘플러에서 동일한 어댑터나 참조 이미지를 재사용할 때는 cache_mode = "all"이 권장됩니다. 메모리 사용량이 걱정되거나 워크플로에서 여러 가지 다양한 입력을 사용한다면 "none"으로 설정하십시오.
• IMAGE 및 MASK 출력은 디버깅 또는 참조 이미지와 어텐션 마스크를 시각화하거나 후처리해야 하는 워크플로에 연결하기 위해 제공됩니다.