ComfyUI | 比IPAdapter更简化操作的风格迁移!

最近发现了一个超级炫酷的技巧,想要跟大家分享一下!在实现风格迁移,一般是通过IPAdapter来实现,现在可以通过RF-Inversion技术,无需IPAdapter也能完美迁移风格,在FLUX模型的加持下,效果非常强悍!RF-Inversion图像编辑技术是通过对风格参考图逆向采样的方法,完美地将风格融合进去

在这里插入图片描述

#01

**/**介绍

RF-Inversion 是最近谷歌提出的新的绘图技术,能够仅通过提示词来生成与原图风格一致的图像,或对原图的部分内容进行编辑,这就像是 IpAdapter 的增强版。看官方的演示,效果非常的出色,而且支持 Flux,ComfyUI-Fluxtapoz 正是基于谷歌的这套算法实现。

RF-Inversion 基于随机微分方程(SDE)的技术,用于高效地进行图像反转和编辑。它不需要复杂的训练或参数调优,直接通过修正的随机微分方程实现图像的反转和生成任务。

在图像生成过程中,反转指的是将生成的图像转化为一种可以编辑的噪声形式,然后通过提示词或参考图进行再生成和优化。与传统扩散模型不同,RF-Inversion 采用了 Rectified SDE(修正随机微分方程)技术,使得它在反转和编辑任务中更加灵活和高效。

这份完整版的SD整合包已经上传****,朋友们如果需要可以微信扫描下方****官方认证二维码免费领取【保证100%免费
在这里插入图片描述

#02

**/**使用

目前已经被某位大神做好的节点

节点路径:GitHub - logtd/ComfyUI-Fluxtapoz: Nodes for image juxtaposition for Flux in ComfyUI(魔法)

在这里插入图片描述

节点大神提供的工作流太长,主要是三个部分组成

第一部分主要就是加载图片,FLUX模型加载,根据自身显存,可以更换GGUF模型。

第二部分主要是用来逆向生成噪声图,Flux DeGuidance这块选择为0,Flux Forward ODE Sampler的gamma值为0.5,工作流默认即可。

重点是第三部分,Flux Reverse ODE Sampler中有三个选项分别是:constant、linear decrease、linear increase,

#03

/效果

这份完整版的SD整合包已经上传****,朋友们如果需要可以微信扫描下方****官方认证二维码免费领取【保证100%免费
在这里插入图片描述

上一篇:中断


下一篇:基于深度学习的数据安全与可追溯性增强