WanVideoNAG

WanVideoNAG 노드는 ChenDarYen의 Normalized-Attention-Guidance 프로젝트를 기반으로 구현되었습니다. 모델의 확산 과정에서 교차 어텐션 레이어를 수정하여 작동합니다.

WanVideoNAG는 비디오 생성 모델에 "정규화된 어텐션 가이던스"(Normalized Attention Guidance, NAG)를 적용하기 위해 설계된 실험적 노드입니다. 핵심 기능은 모델 내부의 어텐션 메커니즘을 조정하여 생성된 비디오 콘텐츠와 주어진 조건(예: 텍스트 프롬프트) 간의 정렬을 강화 또는 제어하는 것입니다. 이를 통해 비디오의 일관성이나 주제 일치성을 개선할 수 있습니다.

노드 기능

이 노드는 ChenDarYen의 Normalized-Attention-Guidance 프로젝트를 기반으로 구현되었으며, 모델 확산 과정의 교차 어텐션 레이어를 수정하여 작동합니다. 베이스 모델과 조건화 입력을 받아 nag_scale, nag_alpha, nag_tau 세 가지 파라미터를 사용하여 가이드 강도, 혼합 비율, 어텐션 편향에 대한 클리핑 임계값을 세밀하게 제어합니다. 또한 입력 유형 및 제자리 모델 수정에 대한 선택적 설정을 제공합니다. 최종적으로 NAG 메커니즘이 통합된 수정된 새 모델을 출력합니다.

노드 파라미터 설명 - WanVideoNAG

연결 입력 (Inputs)

파라미터 이름	데이터 타입	필수	기본값	범위/옵션	설명
`model`	MODEL	예	-	-	정규화된 어텐션 가이던스 메커니즘이 적용된 새 모델을 출력합니다.
`conditioning`	CONDITIONING	예	-	-	생성 과정을 유도하는 데 사용되는 텍스트 조건화 임베딩을 입력합니다. 일반적으로 `CLIP Text Encode` 노드에서 가져옵니다.

컨트롤 파라미터 (Parameters)

파라미터 이름	데이터 타입	필수	기본값	범위/옵션	설명
`nag_scale`	FLOAT	예	11.0	0.0 - 100.0 (단계: 0.001)	네거티브 가이드 효과의 강도
`nag_alpha`	FLOAT	예	0.25	0.0 - 1.0 (단계: 0.001)	정규화된 가이드 표현과 원본 긍정 표현 사이의 균형을 제어하는 혼합 계수입니다.
`nag_tau`	FLOAT	예	2.5	0.0 - 10.0 (단계: 0.001)	가이드된 어텐션이 긍정 어텐션에서 얼마나 벗어날 수 있는지를 제어하는 클리핑 임계값입니다.
`input_type`	COMBO	아니요	default	"default", "batch"	조건화를 적용하는 방식을 결정합니다. "default"는 조건화를 단일 입력으로 처리하고, "batch"는 배치 조건화를 예상합니다.
`inplace`	BOOLEAN	아니요	False	True/False	활성화하면 모델 사본 대신 제자리에서 모델을 수정합니다. 의도하지 않은 부작용을 피하기 위해 주의해서 사용하세요.

출력 (Output)

파라미터 이름	데이터 타입	설명
model	MODEL	정규화된 어텐션 가이던스 메커니즘이 적용된 새 모델을 출력합니다.

사용 시나리오

비디오 생성 워크플로에서 이 노드를 베이스 모델 로딩 후, 샘플러 이전에 배치할 수 있습니다. 예를 들어, 먼저 Checkpoint Loader를 사용하여 비디오 모델을 로드한 후, CLIP Text Encode 노드를 사용하여 조건화를 생성합니다. 그런 다음 모델과 조건화를 WanVideoNAG 노드에 입력하여 조정합니다. 마지막으로 출력된 모델을 샘플러 노드에 연결하여 비디오를 생성합니다.

참고 사항

이 노드는 KJNodes/wan 카테고리에 있으며, Normalized-Attention-Guidance 프로젝트의 연구 코드를 기반으로 합니다. 기능은 강력할 수 있지만, 특정 워크플로에서 예측할 수 없게 동작할 수 있습니다. 다양한 파라미터로 테스트하고 기본 메커니즘을 이해한 후 프로덕션에 사용하는 것이 권장됩니다.

WanVideoNAG 노드 소스 코드 링크

WanVideoNAG 노드는 ComfyUI-KJNodes 노드 패키지에서 제공됩니다.

Wan Video NAG