SUPIRApply - ComfyUI Built-in Node Documentation

SUPIRApply 노드는 확산 모델에 SUPIR 모델 패치를 적용합니다. 이 패치를 사용하여 모델의 동작을 수정함으로써 샘플링 과정에서 입력 이미지의 안내를 통합할 수 있습니다. 또한 시간에 따른 안내 강도를 조정하는 컨트롤과 원본 입력에 대한 충실도를 유지하는 데 도움이 되는 선택적 기능을 제공합니다.

입력

매개변수	설명	데이터 타입	필수	범위
`model`	SUPIR 패치가 적용될 기본 확산 모델입니다.	MODEL	예	-
`model_patch`	모델 수정을 위한 가중치와 구성을 포함하는 SUPIR 모델 패치입니다.	MODELPATCH	예	-
`vae`	입력 이미지를 잠재 표현으로 인코딩하는 데 사용되는 VAE(변분 오토인코더)입니다.	VAE	예	-
`image`	생성 과정을 안내하는 데 사용되는 입력 이미지입니다. 처음 세 개의 색상 채널(RGB)만 사용됩니다.	IMAGE	예	-
`strength_start`	샘플링 시작 시(높은 시그마)의 제어 강도입니다. 이미지 안내의 영향이 이 값에서 시작됩니다. (기본값: 1.0)	FLOAT	아니요	0.0 - 10.0
`strength_end`	샘플링 종료 시(낮은 시그마)의 제어 강도입니다. 시작 값에서 선형적으로 보간됩니다. 이미지 안내의 영향이 이 값에서 종료됩니다. (기본값: 1.0)	FLOAT	아니요	0.0 - 10.0
`restore_cfg`	노이즈 제거된 출력을 입력 잠재 표현 쪽으로 끌어당깁니다. 값이 높을수록 입력에 대한 충실도가 강화됩니다. 0으로 설정하면 비활성화됩니다. (기본값: 4.0)	FLOAT	아니요	0.0 - 20.0
`restore_cfg_s_tmin`	restore_cfg가 비활성화되는 시그마 임계값입니다. (기본값: 0.05)	FLOAT	아니요	0.0 - 1.0

참고: image 입력은 RGB 채널만 추출하도록 처리됩니다. 알파 채널이 있는 이미지가 제공되면 알파 채널은 무시됩니다.

출력

출력 이름	설명	데이터 타입
`model`	SUPIR 패치가 적용되고 추가적인 사후 CFG 함수가 구성된 확산 모델입니다.	MODEL

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

Source fingerprint (SHA-256): 32ba7a337060b52d4c9085a6a2bc209c737e374dee4291d431d2caf768fc2817

​입력

​출력

입력

출력