KJNodes/samplersgenerated

Sampler SelfRefineVideo(SamplerSelfRefineVideo)

그의 핵심 기능은 '랜덤 정제' 계획을 수립할 수 있게 하여, 샘플링 과정 중 어느 단계 구간에서 추가 처리를 수행할지 지정하는 것입니다

Sampler Self Refine Video

input_mode
latent
SAMPLER
certain_percentage
0.999
uncertainty_threshold
0.20
verbose
seed
0
KJNodes

Sampler SelfRefineVideo 노드는 https://github.com/agwmon/self-refine-video의 구현을 시도한 것입니다. 테스트 전용 – 의도대로 작동하지 않을 수 있습니다. 이 샘플러는 샘플링 과정에서 불확실한 픽셀을 반복적으로 정제하여 비디오 품질을 향상시키도록 설계되었습니다.

사용 사례

Sampler SelfRefineVideo 노드는 생성된 비디오에서 동작 전환이나 복잡한 장면에서 깜빡임과 프레임 튐을 줄이고 싶을 때 사용합니다. 예를 들어, 빠르게 움직이는 캐릭터가 있는 애니메이션을 만들 때 불확실성 임계값과 확실성 비율을 조정하면 동작을 안정화하는 데 도움이 됩니다. 또한 얼굴 클로즈업이나 복잡한 질감의 물체와 같이 높은 디테일이 필요한 장면에 적합하며, 샘플러가 불확실한 영역에 정제를 집중하도록 할 수 있습니다.

입력

이름유형필수 여부기본값도구 설명 / 참고 사항
input_modeDYNAMICCOMBO예-단계 계획을 구성하는 방법. 사용 가능한 옵션은 동적으로 결정됩니다.
certain_percentageFLOAT예0.999프레임을 확실한 것으로 간주하고 추가 정제를 건너뛰기 위한 확실한 픽셀 비율. 범위 [0,1], 단계 0.001.
uncertainty_thresholdFLOAT예0.2픽셀을 불확실한 것으로 간주하는 불확실성 임계값. 범위 [0,1], 단계 0.01.
verboseBOOLEAN예거짓샘플링 중 자세한 로깅 활성화.
latentLATENT아니오-LTX2 오디오/비디오 분리를 위해 입력 형태를 가져오는 선택적 잠재 데이터 입력.
seedINT예0확률적 샘플링을 위한 시드. 범위 [0, 2^64).

출력

유형설명
SAMPLER자체 정제를 위해 구성된 샘플러 객체입니다.

참고 사항

  • 정제를 증가시키면(certain_percentage 낮추기 또는 uncertainty_threshold 높이기) 계산 시간과 리소스 사용량이 크게 늘어납니다. 기본 설정으로 테스트를 시작한 후 출력 품질에 따라 점진적으로 조정하는 것이 좋습니다.
  • input_mode는 정제 계획 생성 방식을 제어합니다. 사용 가능한 전략(예: "auto")에 대한 동적 옵션을 참조하십시오.
  • latent 입력은 선택 사항이며, 파이프라인이 LTX2 스타일의 오디오/비디오 분리를 사용하는 경우에만 필요합니다. 그렇지 않으면 연결 해제된 상태로 두어도 됩니다.
  • 이 구현은 실험적입니다. 업스트림 참조와 비교하여 동작이 변경되거나 불완전할 수 있습니다.

Sampler SelfRefineVideo 노드 소스 코드 링크

Sampler SelfRefineVideo 노드는 ComfyUI-KJNodes 노드 패키지에서 제공됩니다.

댓글

GitHub로 로그인하고 토론에 참여하세요.

댓글을 불러오는 중…