ARVideoI2V - ComfyUI Built-in Node Documentation - ComfyUI

이 노드는 Causal Forcing 또는 Self-Forcing을 사용하는 AR(Auto-Regressive) 비디오 모델을 위한 이미지-투-비디오 생성 설정을 준비합니다. VAE를 사용해 시작 이미지를 잠재 공간으로 인코딩하고 이를 모델의 transformer 옵션에 저장하여, 비디오 샘플링 과정이 디노이징 전에 KV 캐시를 시드할 수 있게 합니다. 동일한 text-to-video 모델 체크포인트를 사용하므로 별도의 image-to-video 아키텍처가 필요하지 않습니다.

입력

매개변수	설명	데이터 타입	필수	범위
`model`	생성에 사용할 AR 비디오 모델입니다.	MODEL	예	-
`vae`	시작 이미지를 잠재 공간으로 인코딩하는 데 사용되는 VAE 모델입니다.	VAE	예	-
`start_image`	생성된 비디오의 첫 프레임으로 사용될 초기 이미지입니다. 입력 배치의 첫 번째 이미지만 사용되며, RGB 채널만 인코딩됩니다.	IMAGE	예	-
`width`	생성된 비디오 프레임의 너비입니다(기본값: 832).	INT	예	16 ~ 8192 (단계: 16)
`height`	생성된 비디오 프레임의 높이입니다(기본값: 480).	INT	예	16 ~ 8192 (단계: 16)
`length`	생성된 비디오의 총 프레임 수입니다(기본값: 81).	INT	예	1 ~ 1024 (단계: 4)
`batch_size`	단일 배치에서 생성할 비디오 시퀀스 수입니다(기본값: 1).	INT	예	1 ~ 64

참고: 시작 이미지는 인코딩되기 전에 지정된 width 및 height로 크기 조정됩니다. 잠재 시간 차원은 ((length - 1) // 4) + 1로 계산되며, 잠재 공간 차원은 height / 8 및 width / 8입니다.

출력

출력 이름	설명	데이터 타입
`MODEL`	인코딩된 시작 이미지가 transformer 옵션(`ar_config.initial_latent`)에 저장된 복제 모델로, 샘플러가 디노이징 전에 KV 캐시를 시드하는 데 사용합니다.	MODEL
`LATENT`	형태가 `[batch_size, 16, lat_t, height // 8, width // 8]`인 0으로 채워진 잠재 텐서이며, 여기서 `lat_t = ((length - 1) // 4) + 1`입니다.	LATENT

이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! GitHub에서 편집

Source fingerprint (SHA-256): 984834951b9d5a22aef51c85a5019fd8ba58cdb2d6fff235371ed29f316896d8

⌘I