Planificador Ideogram 4 - ComfyUI Built-in Node Documentation - ComfyUI

El nodo Ideogram 4 Scheduler genera una secuencia de valores sigma (niveles de ruido) para el proceso de muestreo de difusión, basándose en el programa de referencia Ideogram 4. Crea un programa de ruido personalizado que se adapta a las dimensiones de la imagen y permite un ajuste fino mediante parámetros estadísticos.

Entradas

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`pasos`	El número de pasos de muestreo para generar el programa (por defecto: 20). La salida contiene `steps + 1` valores sigma.	INT	Sí	1 a 200
`ancho`	El ancho de la imagen en píxeles (por defecto: 1024). La resolución relativa a una referencia de 512×512 desplaza el programa de ruido.	INT	Sí	256 a 8192 (paso: 16)
`alto`	La altura de la imagen en píxeles (por defecto: 1024). La resolución relativa a una referencia de 512×512 desplaza el programa de ruido.	INT	Sí	256 a 8192 (paso: 16)
`mu`	El parámetro de media para la distribución logit-normal, que controla el nivel de ruido central. Se combina con el término de resolución para formar el desplazamiento logSNR (por defecto: 0.0).	FLOAT	Sí	-10.0 a 10.0 (paso: 0.05)
`std`	El parámetro de desviación estándar para la distribución logit-normal, que controla la dispersión de los niveles de ruido (por defecto: 1.75).	FLOAT	Sí	0.1 a 5.0 (paso: 0.05)

Nota: El programa se deriva de una distribución logit-normal sobre el tiempo de referencia. Se añade un término de resolución igual a 0.5 * log((width × height) / (512 × 512)) a mu, por lo que las imágenes más grandes o más pequeñas desplazan el programa en relación con una referencia de 512×512 con el mismo valor de mu.

Salidas

Nombre de salida	Descripción	Tipo de datos
`SIGMAS`	Un tensor de valores sigma que representa el programa de ruido, con una longitud igual a `steps + 1`. Los valores descienden desde un ruido alto hasta un ruido bajo, con el valor final establecido en 0.0 para un denoizado completo.	SIGMAS

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): af0749713ce223d2246fc24b5100f18aa68d56746480990282899c223578b8f4