EasyUse/Adaptergenerated

Easy Apply IPAdapter 简易应用节点(ComfyUI-Easy-Use)(ipadapterApply)

来自 ComfyUI-Easy-Use 的 Easy Apply IPAdapter 节点,可一步将 IP-Adapter 应用到 diffusion 模型。

ipadapter Apply

model
image
attn_mask
optional_ipadapter
model
images
masks
ipadapter
preset
COMBO
lora_strength
0.60
provider
CUDA
weight
1.00
weight_faceidv2
1.00
start_at
0.000
end_at
1.000
cache_mode
all
use_tiled
Easy Use

描述

Easy Apply IPAdapter 节点(ipadapterApply)可一步将 IP-Adapter 应用到 diffusion 模型。它封装了常规的 IPAdapter 流程(预设选择、可选的 LoRA 强度、提供商、调度、缓存以及可选的注意力遮罩),并返回一个已修改的模型,可直接输入采样器。

此节点属于 EasyUse/Adapter 类别。

输入

名称类型必填默认值描述
modelMODEL要应用 IPAdapter 的 diffusion 模型。
imageIMAGE适配器使用的参考图像。对于 FaceID 预设,图像中应包含人脸。
presetCOMBO选择要使用的 IPAdapter 预设。可用选项取决于您已安装的预设/模型。
lora_strengthFLOAT0.6已选择的预设所使用的 LoRA 强度。不包含 LoRA 的预设会忽略此参数。
providerCOMBOCUDA适配器组件的执行提供商。选项:CPUCUDAROCMDirectMLOpenVINOCoreML
weightFLOAT1.0IPAdapter 的整体权重。范围:-1 到 3,步长 0.05。设为 0 可禁用适配器的影响。
weight_faceidv2FLOAT1.0当已选择的预设为 FaceID v2 时使用的独立权重。范围:-1 到 5,步长 0.05。非 FaceID v2 预设会忽略此参数。
start_atFLOAT0.0IPAdapter 开始应用的步数比例。范围:0 到 1,步长 0.001。
end_atFLOAT1.0IPAdapter 停止应用的步数比例。范围:0 到 1,步长 0.001。
cache_modeCOMBOall控制哪些组件在调用之间被缓存。选项:insightface onlyclip_vision onlyipadapter onlyallnone
use_tiledBOOLEANfalse启用分块 IPAdapter 应用以减少内存使用。适用于大图像,但结果可能略有不同。
attn_maskMASK可选遮罩,用于限制 IPAdapter 的注意力。
optional_ipadapterIPADAPTER现有的 IPAdapter 对象,可重复使用,而无需根据预设重新构建。

输出

类型描述
MODEL已应用 IPAdapter 的输入模型。在采样器中使用此模型,即可在适配器启用时生成。
IMAGE原始输入参考图像,原样传递。
MASK提供给 attn_mask 的注意力遮罩,原样传递;如果未提供遮罩,则为 None
IPADAPTER此节点创建或使用的 IPAdapter 对象,可在其他适配器节点中重复使用。

使用说明

  • 使用默认调度(start_at=0.0end_at=1.0)时,IPAdapter 在整个 denoise 范围内均处于启用状态。降低 end_at 可使其仅在早期步骤中应用,而提高 start_at 可使其仅在后期步骤中应用。
  • weight 是主要的强度控制参数。weight_faceidv2 是用于 FaceID v2 预设的额外独立强度值。
  • lora_strength 控制已选择的预设所加载的 LoRA。FaceID 风格的预设通常包含此类 LoRA,但对于不包含 LoRA 的预设,此参数不会生效。
  • cache_mode 对批处理运行很有用。all 会缓存所有可重复使用的组件,而 none 会禁用缓存并更快释放资源。
  • use_tiled 有助于避免高分辨率图像出现内存不足的错误。由于分块可能会改变注意力行为,如果输出质量很重要,请比较结果。
  • IMAGEMASK 输出是用于串联的直通值,它们不是已生成的图像或遮罩。
  • 如果提供了 optional_ipadapter,此节点可以重复使用已构建的 IPAdapter,而无需重新构建。

评论

使用 GitHub 登录后即可参与讨论。

评论加载中…