KJNodes/miscgenerated

컨텍스트 창 시각화 도구 (KJ)(ContextWindowsVisualizerKJ)

ComfyUI 컨텍스트 창의 대화형 시각화: 창 배치, 겹침, 퓨즈 가중치 및 프레임별 혼합이 실시간으로 업데이트됩니다. 선택적으로 코어 Context Windows (Manual) 노드처럼 모델에 설정을 적용합니다.

Context Windows Visualizer KJ

model
model
frame_units
pixel
dim
2
temporal_downscale
4
num_frames
161
context_length
81
context_overlap
30
context_schedule
COMBO
context_stride
1
closed_loop
fuse_method
pyramid
causal_window_fix
freenoise
cond_retain_index_list
STRING
KJNodes

설명

ComfyUI 컨텍스트 창을 위한 대화형 시각화 노드입니다. 파라미터를 조정함에 따라 창 배치, 겹침, 퓨즈 가중치 및 프레임별 혼합을 실시간으로 표시합니다. model이 연결되면 노드는 선택적으로 구성된 컨텍스트 창 설정을 샘플링 중에 모델에 적용하여, 코어 Context Windows (Manual) 노드와 유사하게 작동합니다.

입력

모든 입력은 시각화를 제어하며, 모델이 연결된 경우 적용되는 컨텍스트 창 동작을 제어합니다.

  • model (MODEL, 선택 사항)
    샘플링 중 컨텍스트 창을 적용할 선택적 모델입니다. 연결 해제되면 시각화만 표시됩니다.

  • frame_units (COMBO, 기본값: pixel)
    프레임 수의 단위입니다.

    • pixel: 픽셀 프레임 인덱스를 잠재 데이터 인덱스로 변환: ((n - 1) // temporal_downscale) + 1.
    • latent: 프레임 수를 직접 잠재 데이터 프레임 인덱스로 처리합니다.
  • dim (INT, 기본값: 2, 범위: 0–5)
    잠재 데이터 시간 차원 인덱스입니다. 2는 WAN 계열 아키텍처에 일반적이며, 0은 AnimateDiff 스타일입니다. 모델이 연결된 경우('모델 경로')에만 관련됩니다.

  • temporal_downscale (INT, 기본값: 4, 범위: 1–16)
    frame_units = pixel일 때 사용되는 VAE 시간 압축 계수입니다. 일반적인 값: WAN/Hunyuan/CogVideoX = 4, Mochi = 6, LTXV = 8.

  • num_frames (INT, 기본값: 161, 범위: 1–100000)
    모델이 연결되지 않았을 때(시각화 전용 경로) 시각화할 총 프레임 수입니다. 모델이 연결되면 이 값은 무시되고 모델의 실제 잠재 데이터 길이가 사용됩니다.

  • context_length (INT, 기본값: 81, 범위: 1–100000)
    프레임 단위의 창 길이입니다.

  • context_overlap (INT, 기본값: 30, 범위: 0–100000)
    인접 창 간의 겹치는 프레임 수입니다.

  • context_schedule (COMBO, 기본값 없음)
    창 배치 전략을 결정합니다.

    • standard_static_balanced: 정적 창이 프레임 범위에 걸쳐 균등하게 분포되어, 모든 프레임 수에 대해 균일한 이음새를 보장합니다.
    • batched_shifted: 겹침이 없는 창으로, 각 샘플링 단계마다 이음새 위치가 이동합니다(~1.0× 연산; FreeNoise와 함께 사용하도록 설계됨).
      균일 스케줄(향후 추가 예정)도 단계별로 이동합니다.
  • context_stride (INT, 기본값: 1, 범위: 1–32)
    균일 스케줄의 최대 보폭 거듭제곱입니다. 확장된 창을 제어합니다(예: 1, 2, 4…). 균일 스케줄이 선택된 경우에만 적용됩니다.

  • closed_loop (논리값, 기본값: 거짓)
    활성화되면 루프 스케줄 창을 끝에서 다시 프레임 0으로 감쌉니다.

  • fuse_method (COMBO, 기본값: pyramid)
    겹치는 영역의 혼합 방법입니다. 옵션은 다양한 가중치 전략(예: pyramid, uniform 등)을 나타냅니다.

  • causal_window_fix (논리값, 기본값: 거짓)
    0이 아닌 창(첫 번째 제외)에 앵커 프레임을 앞에 추가하며, 모델 호출 후 제거됩니다. 인과적 시간 어텐션에 유용합니다.

  • freenoise (논리값, 기본값: )
    FreeNoise 노이즈 셔플링을 활성화하여 창 간 혼합을 부드럽게 합니다. 모델이 연결된 경우('모델 경로')에만 관련됩니다.

  • cond_retain_index_list (문자열, 기본값: "")
    창 기준 프레임 인덱스의 쉼표로 구분된 목록으로, 조건화가 창 간에 재사용됩니다. 예를 들어 "0"은 각 창의 첫 번째 프레임 조건화를 재사용합니다. 시각화에는 영향을 미치지 않으며, 모델이 연결된 경우에만 적용됩니다.

출력

  • MODEL
    모델이 입력으로 제공된 경우, 출력은 구성된 컨텍스트 창이 적용된 동일한 모델입니다. 모델이 제공되지 않은 경우 출력은 None입니다(노드는 순수하게 시각화로 작동함).

사용 참고 사항

  • 시각화는 파라미터가 변경됨에 따라 실시간으로 업데이트되어 창 배치, 겹침 및 혼합에 대한 즉각적인 피드백을 제공합니다.
  • 노드를 시각화 전용으로 사용할 때(모델 연결 없음)는 num_frames 입력이 총 프레임 수를 설정합니다. '모델 경로 전용'으로 표시된 파라미터(dim, freenoise, cond_retain_index_list)는 무시됩니다.
  • 모델 경로에서만 적용되는 파라미터는 해당 툴팁에 명확히 표시됩니다. frame_units 변환은 픽셀 수에서 잠재 데이터 인덱스를 도출할 때만 중요합니다. 잠재 공간에서 직접 작업하는 경우 frame_unitslatent로 설정하십시오.
  • batched_shifted와 같은 스케줄의 경우, 부드러운 전환을 위해 freenoise와 함께 사용하는 것이 권장됩니다.
  • causal_window_fix 옵션은 각 창에 앞서는 앵커 프레임이 필요한 인과적 어텐션(예: 일부 비디오 확산 모델)이 있는 모델을 위한 것입니다.

댓글

GitHub로 로그인하고 토론에 참여하세요.

댓글을 불러오는 중…
컨텍스트 창 시각화 도구 (KJ) (ContextWindowsVisualizerKJ) - ComfyUI-KJNodes | ComfyUI Wiki