Unsampling을 통한 양피지 스타일

이 워크플로우는 에 의해 만들어졌으며, ComfyUI에서 일관된 스타일 전환을 위한 방법으로 Unsampling을 탐구합니다. Unsampling 사용에 대한 종합적인 가이드는 다음을 참조하세요: .

이 워크플로우를 사용하면 동영상을 양피지 스타일의 일러스트로 손쉽게 변환할 수 있습니다. 이 과정은 간단하며, 동영상을 매끄럽게 변환하여 놀라운 양피지 스타일 결과물을 제공합니다.

ComfyUI의 Unsampling 과정은 입력 동영상을 원래의 움직임과 구성을 유지하는 잠재적 노이즈로 변환합니다. 임의의 노이즈에 의존하는 대신, 이 표현적 노이즈는 확산 과정의 시작점으로 사용됩니다. 이를 통해 목표 양피지 스타일을 적용하면서 출력 동영상의 시간적 일관성을 유지할 수 있습니다.

양피지 스타일 Unsampling 워크플로우의 주요 구성 요소:

Inputs: 입력 동영상을 여기 업로드하세요. frame_load_cap 설정은 입력 동영상에서 로드되는 프레임 수를 제한합니다. select_every_nth 설정은 프레임을 건너뛰어 처리되는 총 프레임 수를 줄입니다. select_every_nth 값을 증가시키면 처리 속도가 빨라지지만 출력의 부드러움에 영향을 줄 수 있습니다.

Unsample: Unsample 구성 요소는 euler 샘플링을 사용하여 원래 동영상을 나타내는 노이즈를 찾습니다. cfg 스케일을 증가시키면 Unsampler가 입력과 더 잘 일치하도록 강제합니다. Flip Sigma 노드는 확산 과정을 역전시켜 입력 프레임을 대표적인 잠재적 노이즈로 변환하여 양피지로의 스타일 전환에 필수적입니다.

Prompt: 잘 구성된 프롬프트는 스타일 전환을 강화할 때 특히 일관성을 높입니다. 양피지 스타일의 경우, 긍정적인 프롬프트로 "양피지에 잉크로 그린 미니멀리스트 일러스트"를 사용할 수 있습니다. 텍스처와 세밀함을 향상시키기 위해 더 자세한 지침을 포함시킬 수도 있으며, 양피지 스타일을 더욱 정교하고 표현력 있게 만듭니다.

ControlNet: ControlNet 구성 요소는 DepthAnythingV2에 의해 전처리된 Depth ControlNet을 사용하여 샘플링 중 원래 동영상의 구조와 기하학을 유지하는 데 도움을 줍니다. strength 설정은 출력에 대한 ControlNet의 영향을 제어하며, 더 높은 값은 깊이 맵에 더 밀접하게 따릅니다.

Resample: Resample 구성 요소는 Unsampled 잠재적 노이즈를 재확산 과정을 통해 처리하며, 이번에는 양피지 스타일을 포함하여 텍스처와 전체적인 시각적 효과를 향상시킵니다.

Outputs: 디코딩된 프레임은 이미지로 저장되고 원래 프레임 속도로 업스케일된 MP4 비디오로 결합됩니다.

양피지 스타일은 사용할 수 있는 많은 창의적 가능성 중 하나일 뿐입니다. 원하는 미학을 달성하기 위해 이 Unsampling 워크플로우를 실험해 보세요!