Differential Diffusion Advanced (DifferentialDiffusionAdvanced) - ComfyUI-KJNodes

Differential Diffusion Advanced 노드는 기술적 측면에서 입력 모델을 복제하고 사용자 정의 디노이징 마스크 함수를 설정하여 작동합니다.

Differential Diffusion Advanced는 고급 이미지 합성을 위한 테스트 노드로, 사용자가 마스크와 승수를 통해 디노이징 과정이 서로 다른 영역에 적용되는 강도를 제어할 수 있게 합니다. 그 핵심 기능은 확산 모델의 동작을 수정하여 공간 마스크 기반의 차등적 디노이징을 구현함으로써, 단일 생성 과정에서 이미지의 다른 부분에 서로 다른 수준의 편집이나 영향을 미칠 수 있게 합니다.

노드 기능

이 노드는 기술적 측면에서 입력 모델을 복제하고 사용자 정의 디노이징 마스크 함수를 설정하여 작동합니다. 잠재 표현(LATENT), 마스크(MASK), 승수(multiplier)를 입력받으며, 타임스텝과 임계값 계산을 활용하여 디노이징 과정의 어느 단계에서 마스크 영역에 효과를 적용할지 결정합니다. 내부 메커니즘은 마스크 값을 동적으로 계산된 임계값과 비교하여 시간(또는 노이즈 수준)에 따라 변화하는 이진 마스크를 생성함으로써, 모델이 이미지의 특정 영역에 주의를 기울이는 정도를 정밀하게 제어합니다.

노드 파라미터 설명 - Differential Diffusion Advanced

연결 입력 (Inputs)

파라미터 이름	데이터 타입	필수	기본값	범위/옵션	설명
`model`	MODEL	예	-	-	model (입력 파라미터): 생성 또는 편집에 사용할 입력 확산 모델입니다. 노드는 이 모델을 기반으로 차등적 디노이징 로직을 적용합니다.
`samples`	LATENT	예	-	-	samples (입력 파라미터): 차등적 디노이징 처리의 기초 데이터로 사용될 이미지의 잠재 표현(LATENT)이 포함된 샘플을 입력합니다.
`mask`	MASK	예	-	-	mask (입력 파라미터): 차등적 디노이징 효과가 적용될 공간 영역을 정의하는 마스크 이미지를 입력합니다. 일반적으로 흰색 영역이 효과가 적용되는 영역을 나타냅니다.

컨트롤 파라미터 (Parameters)

파라미터 이름	데이터 타입	필수	기본값	범위/옵션	설명
`multiplier`	FLOAT	예	1.0	-10.0 - 10.0 (스텝: 0.001)	multiplier (입력 파라미터): 효과 적용 시기와 강도를 제어하는 승수입니다. 범위는 -10.0에서 10.0이며, 조정 스텝은 0.001입니다. 값이 클수록 효과가 디노이징 과정 후반부에 집중되어 적용됩니다.

출력 (Output)

파라미터 이름	데이터 타입	설명
MODEL	MODEL	차등적 디노이징 기능이 통합된 모델의 복사본입니다.
LATENT	LATENT	LATENT (출력 파라미터): 마스크 정보가 첨부된 잠재 샘플(LATENT)을 출력하며, 후속 샘플링 노드에서 사용할 수 있습니다.

사용 시나리오

구체적인 응용에서, 이 노드는 국부적 이미지 편집이나 스타일화를 포함하는 워크플로에 통합될 수 있습니다. 예를 들어, 사용자는 먼저 강한 스타일화나 세부 수정을 원하는 이미지 영역을 정확하게 선택하는 마스크 도구를 사용한 후, 해당 마스크, 원본 잠재 샘플(LATENT), 그리고 모델을 이 노드에 연결할 수 있습니다. 승수를 조정하여 효과 적용 시기와 강도를 제어한 후, 최종적으로 수정된 모델과 잠재 샘플(LATENT)을 출력하여 후속 샘플링 단계에서 사용할 수 있습니다.

주의사항

이 노드는 _for_testing 카테고리에 위치한다는 점에 유의하십시오. 이는 해당 기능이 실험 단계에 있을 수 있으며, 안정성이나 최종 결과가 사용하는 모델과 설정에 따라 달라질 수 있음을 의미합니다. 사용 시 승수 파라미터의 범위가 넓으므로 부적절한 설정은 예상과 다른 생성 결과를 초래할 수 있습니다.

Differential Diffusion Advanced 노드 소스 코드 링크

Differential Diffusion Advanced 노드는 ComfyUI-KJNodes 노드 패키지에서 제공됩니다.

Differential Diffusion Advanced(DifferentialDiffusionAdvanced)