Flux와 일관된 캐릭터

이 Flux와 일관된 캐릭터 워크플로우는 만들었습니다. 이 강력한 일관된 캐릭터 워크플로우를 효과적으로 사용하는 방법을 배우기 위해 그의 자세한 튜토리얼을 꼭 확인하시길 권장합니다. 저희는 귀하의 편의를 위해 일관된 캐릭터 워크플로우를 재현하고 환경을 설정했지만, 이 Flux 기반 일관된 캐릭터 솔루션을 개발한 Mickmumpitz의 훌륭한 작업에 모든 공로를 돌립니다.

Flux와 일관된 캐릭터

Flux와 일관된 캐릭터 워크플로우는 여러 출력에서 AI로 생성된 캐릭터의 일관성을 유지하는 강력한 ComfyUI 도구입니다. 영화 AI 영화, 어린이 책 또는 안정적인 일관된 캐릭터 외관이 필요한 모든 프로젝트에 이상적입니다. 이 Flux 기반 워크플로우는 여러 프롬프트와 세부 조정의 필요성을 줄여 일관된 캐릭터 외관을 달성하는 과정을 간소화합니다. Flux.1 dev 모델을 활용하여 생성된 일관된 캐릭터의 안정성을 향상시켜, 애니메이션이든 사실적으로 렌더링되든 동일한 외관과 느낌을 유지합니다.

Flux 워크플로우를 사용하는 방법?

Flux와 일관된 캐릭터 워크플로우는 네 개의 모듈(캐릭터 생성, 업스케일 + 얼굴 수정, 포즈, 감정)로 나뉘어져 있으며, 각 모듈은 여러 출력에서 일관된 외관을 가진 캐릭터를 생성하는 과정을 간소화하도록 설계되었습니다.

Fast Groups Muter (rgthree) 노드

Fast Groups Muter (rgthree) 노드를 로드한 후에는 모듈 2, 3, 4가 자동으로 실행되며 추가 설정이 필요 없습니다. 이 노드는 모든 네 개의 모듈에 대한 스위치를 제어하여 일관된 캐릭터 프로세스를 더욱 원활하고 효율적으로 만듭니다.

Fast Groups Muter (rgthree) 노드 제어 모듈 스위치 (예/아니오).

1. 캐릭터 생성

이 모듈은 Flux 모델과 Flux ControlNet 모델을 활용하여 프롬프트로 생성 프로세스를 안내하여 일관된 캐릭터 테이블을 생성합니다. 포즈 시트인 입력은 일관된 캐릭터 생성을 유도하는 참조로 사용됩니다. 적절한 프롬프트를 작성하여 원하는 일관된 캐릭터 시트를 생성하도록 모델을 유도할 수 있습니다.

다음은 몇 가지 프롬프트 예시입니다:

코트를 입고 가을 패션으로 옷을 입은 미국 여성을 특징으로 하는 캐릭터 시트, 중립적인 표정. 시트는 흰색 배경, 다양한 각도의 여러 뷰, 그리고 얼굴 초상화가 있어야 합니다. 전체 스타일은 걸작 사진과 유사해야 합니다.

가을 잎으로 만든 망토를 입고 숲의 색상으로 옷을 입은 엘프 레인저를 묘사한 캐릭터 시트, 결단력 있는 표정. 시트는 양피지 배경, 다양한 각도의 여러 뷰, 그리고 얼굴 초상화가 있어야 합니다. 레인저는 웅장한 사슴과 함께하며, 그녀의 등에 긴 활과 화살통을 메고 있어야 합니다. 전체 스타일은 긴 금발의 여성 엘프의 걸작 디지털 페인팅과 유사해야 합니다.

팁: 생성된 일관된 캐릭터 시트가 기대에 부합하지 않으면, 시드 값을 조정하여 변형된 출력으로 다시 생성해 보세요.

2. 업스케일 + 얼굴 수정

2.1 궁극의 SD 업스케일

궁극의 SD 업스케일은 이미지 생성 파이프라인에서 이미지를 작은 타일로 나누고 각 타일을 개별적으로 처리한 후 다시 결합하여 이미지 해상도를 향상시키는 데 사용되는 노드입니다. 이 과정은 메모리 사용을 관리하고 업스케일 시 발생할 수 있는 아티팩트를 줄이면서 고해상도 이미지를 생성할 수 있게 합니다.

매개변수:

• upscale_by: 이미지의 너비와 높이를 곱하는 비율입니다. 정확한 치수를 위해 "업스케일 없음" 버전을 사용하세요.
• seed: 생성 과정에서의 무작위성을 제어합니다. 동일한 시드를 사용하면 동일한 결과를 얻습니다.
• control_after_generate: 생성 후 이미지 세부 사항을 조정합니다.
• steps: 이미지 생성 중의 반복 횟수입니다. 더 많은 단계는 더 세밀한 세부 사항을 제공하지만 처리 시간이 길어집니다.
• cfg: 입력 프롬프트를 모델이 얼마나 엄격하게 따르는지를 조정하는 Classifier-Free Guidance 스케일입니다.
• sampler_name: 이미지 생성에 사용되는 샘플링 방법을 지정합니다.
• scheduler: 생성 전반에 걸쳐 계산 자원이 할당되는 방식을 정의합니다.
• denoise: 노이즈 제거 수준을 제어하여 원본 이미지에서 세부 사항 유지에 영향을 미칩니다. 권장: 0.35는 향상, 0.15-0.20은 최소한의 변경.
• mode_type: 타일이 처리되는 방식을 포함하여 처리 모드를 결정합니다.
• tile_width 및 tile_height: 처리에 사용되는 타일의 크기입니다. 더 큰 크기는 이음새를 줄이지만 더 많은 메모리가 필요합니다.
• mask_blur: 타일 블렌딩을 위한 마스크 가장자리를 블러링하여 타일 간의 전환을 부드럽게 합니다.
• tile_padding: 처리 중 고려되는 인접 타일의 픽셀 수로 이음새를 줄입니다.
• seam_fix_mode: 타일 간의 눈에 띄는 이음새를 수정하는 방법:
  • 밴드 패스: 행과 열을 따라 이음새를 수정합니다.
  • 반 타일 오프셋 패스: 이음새를 더 잘 혼합하기 위해 오프셋을 적용합니다.
  • 반 타일 오프셋 + 교차점 패스: 교차점에서 추가 패스를 포함합니다.
• seam_fix_denoise: 이음새 수정 중 노이즈 감소의 강도.
• seam_fix_width: 이음새 수정 중 처리되는 영역의 너비.
• seam_fix_mask_blur: 이음새 수정의 부드러움을 위해 마스크를 블러링합니다.
• seam_fix_padding: 부드러운 결과를 보장하기 위해 수정 중 이음새 주위의 패딩.
• force_uniform_tiles: 가장자리를 확장하여 타일의 균일한 크기를 유지하고 아티팩트를 최소화합니다.
• tiled_decode: 고해상도 생성 중 메모리 사용을 줄이기 위해 개별적으로 이미지 타일을 처리합니다.
• 대상 크기 유형: 최종 이미지 크기를 설정하는 방법을 결정합니다:
  • img2img 설정에서: 기본 너비와 높이를 사용합니다.
  • 사용자 정의 크기: 수동으로 너비와 높이를 설정할 수 있습니다 (최대 8192px).
  • 이미지 크기에서 스케일: 초기 이미지 크기를 기반으로 스케일링합니다.
• Upscaler: 추가 처리 전에 이미지를 업스케일하는 방법 (예: ESRGAN).
• 다시 그리기: 이미지가 다시 그려지는 방식을 제어합니다:
  • 선형: 타일을 순차적으로 처리합니다.
  • 체스: 아티팩트를 줄이기 위해 체커보드 패턴을 사용합니다.
  • 없음: 다시 그리기를 비활성화하고 이음새 수정에만 집중합니다.

2.2. 얼굴 디테일러 (파이프)

FaceDetailerPipe는 이미지의 얼굴 디테일을 향상시키기 위해 고급 이미지 처리 기술을 사용하여 얼굴 특징의 선명도와 정확성을 개선하는 노드입니다. 이는 ComfyUI Impact Pack의 일부로, 다양한 응용 프로그램을 위한 고품질 얼굴 디테일 향상을 제공합니다.

매개변수:

• image: 향상될 입력 이미지로, 얼굴 디테일링을 위한 주요 대상입니다.
• guide_size: 얼굴 특징을 향상시키기 위해 사용되는 가이드 영역의 크기를 제어하는 매개변수로, 고려되는 컨텍스트의 양에 영향을 줍니다.
• guide_size_for: 특정 영역에 가이드 크기를 적용할지를 결정합니다.
• max_size: 처리된 이미지의 최대 크기 제한을 설정하여 메모리 관리를 보장합니다.
• seed: 이미지 향상 과정에서의 무작위성을 제어하여 동일한 시드를 사용할 때 재현 가능한 결과를 제공합니다.
• steps: 세부 사항을 향상시키기 위한 반복 횟수. 더 많은 단계는 더 세밀한 디테일을 제공하지만 더 많은 처리 시간이 필요합니다.
• cfg: 입력 가이드를 모델이 얼마나 엄격하게 따르는지를 조정하는 Classifier-Free Guidance 스케일입니다.
• sampler_name: 세부 사항 정제를 위한 샘플링 방법을 정의합니다.
• scheduler: 처리 중 계산 스케줄링 전략을 결정합니다.
• denoise: 향상 과정 중 적용되는 노이즈 감소의 강도를 제어합니다. 낮은 값은 더 많은 원본 디테일을 유지하고, 높은 값은 더 부드러운 결과를 제공합니다.
• feather: 향상된 영역과 원본 영역 사이의 전환을 부드럽게 하여 변경 사항을 매끄럽게 블렌딩하는 것을 제어합니다.
• noise_mask: 특정 영역을 대상으로 노이즈 감소를 활성화 또는 비활성화합니다.
• force_inpaint: 추가 향상 또는 수정이 필요한 영역에서 도포를 강제합니다.
• bbox_threshold: 얼굴 특징 주위의 바운딩 박스를 감지하기 위한 임계값을 설정하여 민감도에 영향을 줍니다.
• bbox_dilation: 향상 중 관련 모든 특징이 포함되도록 감지된 바운딩 박스 영역을 확장합니다.
• bbox_crop_factor: 감지된 바운딩 박스의 자르기 요소를 조정하여 향상의 초점 영역을 제어합니다.
• sam_detection_hint: 감지 과정에 대한 추가 힌트 또는 가이드를 지정합니다.
• sam_dilation: 감지된 영역에 적용되는 확장을 조정하여 더 넓은 커버리지를 허용합니다.
• sam_threshold: SAM (Segment Anything Model) 과정 내의 감지 민감도를 정의하는 임계값입니다.
• sam_bbox_expansion: SAM에 의해 감지된 바운딩 박스를 확장하여 더 많은 주변 컨텍스트를 포함합니다.
• sam_mask_hint_threshold: SAM에 의해 제공된 마스크 힌트의 임계값을 조정하여 마스킹을 위한 영역이 정의되는 방식을 제어합니다.
• sam_mask_hint_use_negative: 특정 영역의 마스킹에 영향을 주는 부정적 힌트를 사용할지를 결정합니다.
• drop_size: 향상 과정 중 적용되는 드롭의 크기를 설정하여 정교함 수준에 영향을 미칩니다.
• refiner_ratio: 얼굴 디테일을 정제하는 비율을 조정하여 원본 특징 보존과 명확성 추가 사이의 균형을 맞춥니다.
• cycle: 적용할 정제 사이클 수를 지정하여 향상의 깊이에 영향을 미칩니다.
• inpaint_model (선택사항): 디테일링 과정에서 누락되거나 불분명한 영역을 채우기 위한 인페인팅 모델 사용을 활성화합니다.
• noise_mask_feather: 노이즈 마스크의 깃털을 조정하여 노이즈가 있는 영역과 노이즈가 없는 영역 간의 전환을 부드럽게 합니다.

3. 포즈

이 모듈을 사용하면 이미지 자르기 노드를 사용하여 생성된 캐릭터 시트에서 각 포즈를 분리하고 추가 사용 또는 조정을 위해 캐릭터의 개별 포즈를 저장할 수 있습니다.

4. 감정

이 모듈은 사진에서 얼굴 표정을 조정하기 위해 Photo Expression Editor (PHM) 노드를 사용합니다. 매개변수는 머리 움직임, 눈 깜박임, 웃음과 같은 다양한 얼굴 측면을 세부 조정할 수 있습니다.

표정 편집기 매개변수:

• rotate_pitch: 머리의 위아래 움직임을 제어합니다.
• rotate_yaw: 머리의 좌우 움직임을 조정합니다.
• rotate_roll: 머리의 기울기 각도를 결정합니다.
• blink: 눈 깜박임의 강도를 제어합니다.
• eyebrow: 눈썹 움직임을 조정합니다.
• wink: 윙크를 제어합니다.
• pupil_x: 동공을 수평으로 이동합니다.
• pupil_y: 동공을 수직으로 이동합니다.
• aaa: "aaa" 모음 소리를 위한 입 모양을 제어합니다.
• eee: "eee" 모음 소리를 위한 입 모양을 제어합니다.
• woo: "woo" 모음 소리를 위한 입 모양을 제어합니다.
• smile: 미소의 정도를 조정합니다.
• src_ratio: 적용할 소스 표현의 비율을 결정합니다.
• sample_ratio: 적용할 샘플 표현의 비율을 결정합니다.
• sample_parts: 샘플 표현의 어느 부분을 적용할지를 지정합니다 ("OnlyExpression", "OnlyRotation", "OnlyMouth", "OnlyEyes", "All").
• crop_factor: 얼굴 영역의 자르기 요소를 제어합니다.

Flux 모델과 워크플로우의 간소화된 모듈을 통해 다양한 출력에서 일관된 캐릭터 외관을 유지하는 것이 쉬워집니다. 캐릭터를 생생하게 표현하여 관객에게 진정으로 몰입할 수 있는 경험을 제공할 수 있습니다!