EasyUse/Loadersgenerated

EasyControlnet++(controlnetPlusPlus)

EasyControlnet++ (controlnetPlusPlus) применяет ControlNet к pipeline EasyUse и возвращает обновлённый pipeline, а также позитивные и негативные условия...

controlnet Plus Plus

pipe
image
control_net
pipe
positive
negative
control_net_name
COMBO
strength
1.00
start_percent
0.000
end_percent
1.000
scale_soft_weights
1.000
union_type
COMBO
Easy Use

EasyControlnet++ (controlnetPlusPlus) применяет ControlNet к pipeline EasyUse и возвращает обновлённый pipeline, а также позитивные и негативные условия с применённым ControlNet. Это загрузочная нода на основе pipe, поэтому она встраивается непосредственно в рабочие процессы EasyUse без необходимости вручную распаковывать и пересобирать pipeline.

Входы

Обязательно

  • pipe (PIPE_LINE): pipeline EasyUse, содержащий модель, условия, латентное представление и другое состояние рабочего процесса. ControlNet применяется к условиям, хранящимся в этом pipe.
  • image (IMAGE): контрольное изображение для ControlNet, например карта границ, карта глубины, скелет позы или другое предварительно обработанное управляющее изображение, соответствующее ожидаемой модальности выбранного ControlNet.
  • control_net_name (COMBO): выбирает модель ControlNet, доступную в папке models/controlnet. Используется для загрузки ControlNet, если не передан прямой объект ControlNet.

Необязательно

  • control_net (CONTROL_NET): объект ControlNet, переданный напрямую из другой ноды. При подключении может использоваться вместо загрузки модели по control_net_name.
  • strength (FLOAT, по умолчанию 1, диапазон 0.010.0): общая сила эффекта ControlNet. Значение 0 отключает его; более высокие значения усиливают его влияние.
  • start_percent (FLOAT, по умолчанию 0, диапазон 0.01.0): прогресс денойзинга в процентах, при котором начинается эффект ControlNet. Значение 0 означает начало процесса выборки.
  • end_percent (FLOAT, по умолчанию 1, диапазон 0.01.0): прогресс денойзинга в процентах, при котором заканчивается эффект ControlNet. Значение 1 означает, что эффект остаётся активным до последнего шага.
  • scale_soft_weights (FLOAT, по умолчанию 1, диапазон 0.01.0): масштабирует каналы мягких весов (soft-weight) ControlNet. Более низкие значения ослабляют эти каналы; 0 отключает их, а 1 использует их полное значение. Это полезно для ControlNet, которые поддерживают поканальное поведение или поведение с мягкими весами.
  • union_type (COMBO): выбирает режим управления для Union ControlNet. Список доступных вариантов формируется интерфейсом и зависит от выбранной модели ControlNet; для обычных ControlNet с одним режимом управления он не требуется.

Выходы

  • PIPE_LINE: обновлённый pipeline EasyUse. Передайте его последующим нодам EasyUse, чтобы состояние после применения ControlNet сохранилось.
  • CONDITIONING: позитивное условие с применённым ControlNet.
  • CONDITIONING: негативное условие с применённым ControlNet.

Два выхода CONDITIONING: сначала позитивное условие, затем негативное.

Примечания по использованию

  • Подключите предварительно обработанное управляющее изображение, соответствующее ожидаемому типу управления ControlNet. Нода не выполняет автоматическую предобработку изображений, таких как глубина или поза, перед применением ControlNet.
  • Используйте start_percent и end_percent, чтобы ограничить действие ControlNet определённой частью графика денойзинга. Например, start_percent=0 и end_percent=0.5 применяют ControlNet только в течение первой половины процесса выборки.
  • Необязательный вход control_net позволяет загрузить ControlNet отдельно и передать его напрямую, что помогает избежать повторной загрузки одной и той же модели несколько раз в рамках рабочего процесса.
  • Выход pipe можно использовать, чтобы продолжить рабочий процесс EasyUse, а два выхода CONDITIONING позволяют вручную подключаться к семплерам, когда нужен более детальный контроль.
  • Для Union ControlNet установите union_type в конкретный режим управления, который нужно активировать. Для обычных моделей ControlNet оставьте его в состоянии по умолчанию.

Комментарии

Войдите через GitHub, чтобы участвовать в обсуждении.

Загрузка комментариев…