Vid2Vid Část 2 | SDXL Style Transfer

ComfyUI Vid2Vid workflow, vytvořený YVANN, představuje dva odlišné pracovní postupy pro dosažení vysoce kvalitních, profesionálních animací.

• První pracovní postup: ComfyUI Vid2Vid Část 1 | Kompozice a Maskování
• Druhý pracovní postup: ComfyUI Vid2Vid Část 2 | SDXL Style Transfer

ComfyUI Vid2Vid Část 2 | SDXL Style Transfer

Tento pracovní postup transformuje původní styl videa na váš požadovaný styl.

Krok 1: Models Loader | ComfyUI Vid2Vid Workflow Část 2

Efficient Loader uzel je počátečním krokem, kde vybíráte vhodné modely pro vaši animaci. To zahrnuje výběr checkpoint modelu, VAE (Variational Autoencoder) modelu a LoRA (Low-Rank Adaptation) modelu. Tyto modely jsou klíčové pro definování schopností a stylu vaší animace.

Krok 2: Načítání Výstupu z Prvního Pracovního Postupu | ComfyUI Vid2Vid Workflow Část 2

DŮLEŽITÉ Tipy:

1. Použijte frame_load_cap=10 pro rychlý test.
2. Pokud je testovací výsledek uspokojivý, zvyšte frame_load_cap na větší velikost.

⚠️ Pokud chcete renderovat dlouhé video, například s více než 100 snímky, doporučuje se rozdělit video na více renderů, každý obsahující NE VÍCE NEŽ 100 SNÍMKŮ. Renderování více než tohoto množství najednou může způsobit přerušení systému ComfyUI. Můžete upravit parametry skip_first_frames a frame_load_cap, abyste rozhodli, které snímky renderovat.

Pro více podrobností, prosím navštivte 📽️⚠️ Jak Renderovat Dlouhá Videa (Přes 200 Snímků)

Krok 3: ControlNet | ComfyUI Vid2Vid Workflow Část 2

ControlNet se používá k přidání různých podmíněných kontrol do procesu generování obrazu. Skládá se z různých modelů pro aplikaci specifických transformací:

1. ControlNet Tile: Tento model pomáhá udržovat konzistenci napříč dlaždicovanými obrázky, zajišťuje, že vzory a textury zůstanou kontinuální bez viditelných švů.
2. ControlNet Depth: Přidává hloubkovou informaci do obrázků, čímž vytváří realističtější pocit 3D prostoru. Tento model používá hloubkové mapy k vedení difuzního modelu, čímž zvyšuje vnímání hloubky a objemu.
3. ControlNet Canny: Využívá detekci hran k poskytování strukturovaného vedení. Detekováním a zachováním hran v vstupních obrázcích pomáhá udržovat integritu tvarů a obrysů během přenosu stylu.

Krok 4: AnimateDiff | ComfyUI Vid2Vid Workflow Část 2

AnimateDiff uzel zavádí časovou koherenci do animace tím, že zajišťuje, že stylistické změny jsou hladce přecházeny mezi snímky. To je klíčové pro zabránění blikání a zajištění plynulého vizuálního zážitku.

Krok 5: IPAdapter | ComfyUI Vid2Vid Workflow Část 2

IPAdapter uzel aplikuje silný přenos stylu na původní video, efektivně přenášející požadovaný umělecký styl na video snímky. Tato robustní aplikace stylu zajišťuje, že konečný výstup úzce odpovídá zamýšlené umělecké vizi při zachování integrity původního obsahu.

Krok 6: První Render | ComfyUI Vid2Vid Workflow Část 2

První render je vytvořen na základě počáteční aplikace modelů a podmínek. Tento render slouží jako návrh.

Krok 7: Color Match a Druhý Render | ComfyUI Vid2Vid Workflow Část 2

Po prvním renderování jsou aplikovány techniky sladění barev, aby byla zajištěna konzistence barevných tónů a palet napříč snímky. Po sladění barev je produkován druhý render, který zahrnuje jakékoli nezbytné úpravy z prvního renderu.

Krok 8: Zvětšení Pokud Je Potřeba | ComfyUI Vid2Vid Workflow Část 2

Pokud je potřeba zvýšit rozlišení animace, jsou aplikovány techniky zvětšení. Tento krok zajišťuje, že konečný výstup splňuje požadované standardy kvality a rozlišení.

Využitím ComfyUI Vid2Vid workflow Část 2 můžete efektivně transformovat původní styl videa do vašeho požadovaného uměleckého vyjádření, zachovávajíc konzistenci a kvalitu během celého procesu animace.