跳转到主要内容
SUPIRApply 节点用于将 SUPIR 模型补丁应用于扩散模型。它利用该补丁修改模型的行为,使其能够在采样过程中融入输入图像的引导信息。该节点还提供了随时间调整引导强度的控制功能,并包含一项可选特性,有助于保持对原始输入的保真度。

输入

参数描述数据类型是否必填范围
model将应用 SUPIR 补丁的基础扩散模型。MODEL-
model_patch包含用于修改模型的权重和配置的 SUPIR 模型补丁。MODELPATCH-
vae用于将输入图像编码为潜在表示的 VAE(变分自编码器)。VAE-
image用于引导生成过程的输入图像。仅使用前三个颜色通道(RGB)。IMAGE-
strength_start采样开始时的控制强度(高 sigma)。图像引导的影响从此值开始生效。(默认值:1.0)FLOAT0.0 - 10.0
strength_end采样结束时的控制强度(低 sigma)。从起始值线性插值。图像引导的影响在此值结束。(默认值:1.0)FLOAT0.0 - 10.0
restore_cfg将去噪输出拉向输入潜在表示。值越高,对输入的保真度越强。设为 0 可禁用。(默认值:4.0)FLOAT0.0 - 20.0
restore_cfg_s_tmin低于此 sigma 阈值时,restore_cfg 将被禁用。(默认值:0.05)FLOAT0.0 - 1.0
注意: image 输入会经过处理,仅提取 RGB 通道。如果提供的图像包含 Alpha 通道,则 Alpha 通道会被忽略。

输出

输出名称描述数据类型
model已应用 SUPIR 补丁并配置了任何额外的后 CFG 功能的扩散模型。MODEL
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑

Source fingerprint (SHA-256): 32ba7a337060b52d4c9085a6a2bc209c737e374dee4291d431d2caf768fc2817