이 ComfyUI Upscale 워크플로우는 첨단 이미지 및 비디오 개선을 위해 설계된 최첨단 오픈 소스 모델인 SUPIR(Scaling-UP Image Restoration)을 활용합니다. 이 워크플로우에서는 SUPIR이 사진 같은 결과를 얻기 위해 어떻게 이미지를 복원하고 업스케일하는지 경험하게 될 것입니다.
이미지 업스케일링 기술의 선두주자인 SUPIR은 Magnific이나 Topaz AI와 같은 상용 소프트웨어와 견줄만 합니다. 우리의 튜토리얼은 사실적인 이미지와 비디오를 업스케일하고 복원하는 데 능숙한 ComfyUI 워크플로우 내의 SUPIR 업스케일러 래퍼 노드를 포함합니다.
이미지 업스케일링을 위해서는 이 워크플로우의 기본 설정으로 충분할 것입니다. 비디오 업스케일링을 위해 수정하려면 "load image"에서 "load video"로 전환하고 "save image"에서 "combine video"로 출력을 변경하여 비디오 파일에 맞게 조정하세요.
Scaling-UP Image Restoration 기술은 Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild 논문에서 소개된 획기적인 개선 및 업스케일링 모델입니다. SUPIR은 모델 스케일링과 결합된 생성 사전 학습을 사용하는 사진 같은 이미지 복원 방법을 혁신하며, 텍스트 프롬프트로 안내되는 이미지 복원을 가능하게 하는 멀티모달 기술로 강화되어 그 적용 범위를 크게 넓힙니다.
SUPIR 사용법에 뛰어들기 전에, 체크포인트 모델이 접근 가능한지 확인하세요:
두 가지 주요 SUPIR 버전이 사용 가능합니다:
scale_by
: 주어진 입력에 대한 업스케일링 비율로, 복원 중 이미지 크기가 얼마나 증가하는지 결정합니다.steps
: EDM 샘플링 스케줄러의 단계 수를 지정하는 이 매개변수는 복원 과정의 디테일과 품질에 영향을 미칠 가능성이 있습니다.cfg_scale
: 프롬프트에 대한 분류기 없는 안내 척도로, 출력이 제공된 텍스트 프롬프트를 얼마나 강하게 따르는지에 영향을 줍니다.positive-prompt
& negative_prompt
: 이 매개변수를 사용하면 사용자가 복원을 원하는 품질(긍정적 프롬프트)로 안내하고 원치 않는 특성(부정적 프롬프트)에서 멀어지도록 할 수 있습니다.s_churn
& s_noise
: EDM의 원래 하이퍼파라미터를 나타내는 이것은 확산 프로세스 내의 노이즈 모델 측면을 제어하여 최종 이미지 텍스처와 선명도에 영향을 줍니다.color_fix_type
: 이 매개변수를 사용하면 'None', 'AdaIn', 'Wavelet'을 포함한 옵션으로 복원 후 색상 보정 방법을 선택할 수 있습니다.이미지 복원 기술은 엄청나게 성장하여 이제는 시각적으로 놀랍고 더 스마트한 결과를 제공합니다. 이러한 성장은 주로 고급 생성 모델을 활용하여 이미지를 향상시키는 SUPIR Upscaler의 도입 덕분입니다.
SUPIR Upscaler의 기능에 대해 더 깊이 알아보고 더 많은 기술적 세부 사항을 살펴보려면 GitHub 페이지 또는 기반이 되는 연구 논문의 리소스를 탐색해 보세요. 이러한 자료는 SUPIR Upscaler를 이미지 복원 분야의 선두주자로 자리매김하게 하는 기술과 전략에 대한 포괄적인 통찰력을 제공합니다.
© 저작권 2024 RunComfy. All Rights Reserved.