OmniGen | Image-To-Image

The ノードとその関連ワークフローは、AIFSHとsaftleによって完全に開発されています。この革新的な作品に対してAIFSHとsaftleにすべての功績を与えます。RunComfyプラットフォームでは、AIFSHとsaftleのコミュニティへの貢献を単に紹介しています。現在、RunComfyとAIFSHおよびsaftleの間に正式な接続やパートナーシップはないことに注意することが重要です。AIFSHとsaftleの作品に深く感謝します！

ComfyUI OmniGenワークフローは、被写体の衣服、背景、Clothes Virtual Try On、有名人とのセルフィー、要素の追加や削除など、写真を操作して変更することができます。最大3つの参照画像を追加して、望む結果を得ることができます。

OmniGen

OmniGenは、シンプルで柔軟なマルチモーダルプロンプトから多様なビジュアルを作成するために設計された多用途の統合画像生成モデルです。従来のモデルとは異なり、ControlNetのような追加モジュールやポーズ推定のような前処理ステップを必要とせず、テキストベースの指示を通じて直接出力を可能にします。GPTのシームレスなテキスト生成アプローチに触発され、OmniGenは最小限の努力であらゆる創造的または専門的なタスクに微調整することを可能にします。その革新的なフレームワークは画像生成をよりアクセスしやすくし、視覚的な創造性の無限の可能性を促進します。OmniGenは普遍的な画像生成の一歩前進であり、次の変革的なAIツールの波を刺激します。

1.1 OmniGenワークフローの使い方？

このワークフローでは、左の緑のノードが参照画像と解像度の入力です。中央のピンクと紫のノードがOmniGenのアンサンプラーとOmniGenモデルローダーで、右の青が画像保存ノードです。

1. 参照画像をアップロードします。
2. 解像度とプロンプトを入力します。
3. キューをクリックします。

何も設定する必要はなく、そのままレンダリングされます。

1.2 参照入力画像の読み込み

• 1、2、または最大3つの参照画像をアップロードします。服、人物、有名人、動物などの要素です。
• これらの画像は、プロンプトで「image_1」、「image_2」、「image_3」というトリガーワードと共に使用されます。

1.3 解像度

• このノードで出力画像の解像度を設定します。
• 高解像度の画像（1k以上）では、より多くのVramが消費され、二重の図や被写体が発生する可能性があります。
• サンプラーでbatch_sizeとseedをランダムにしてバリエーションを生成することができます。

1.4 OmniGenサンプラーとプロンプト

• プロンプト: 参照画像に基づいてプロンプトを追加します。入力画像は「image_1」、「image_2」、「image_3」として指定します。
  • 例: image_1の人がimage_2のジャケットを着ています。
• num_inferene_step: OmniGenのサンプリングステップを設定します。良好な結果を得るために25-35の値を使用します。
• img_guidance_scale: 参照画像の重み/強度を設定します。
• max_input_image_size: 入力の解像度を制限します。

1.5 OmniGenモデル

モデルはこのからダウンロードされ、runcomfyサーバーによってcomfyui/model/OmniGenフォルダに手動で配置されます。ローカルコピーを作成するのに3-5分かかる場合があります。

新しいモデルがリリースされたら、ここにアップロードすることができます。

OmniGenはワークフローを簡素化し、追加のツールや前処理を必要とせずに統一された柔軟なアプローチを提供することで、画像生成を再定義します。簡単な微調整とマルチモーダル機能により、創造的で専門的なタスクの新しい可能性が開かれます。OmniGenは、将来のよりアクセスしやすく革新的なAI主導のビジュアル生成の舞台を設定します。