Model
Trends
.ai
Model
Trends
.ai
de bästa AI-modellerna med öppen källkod

Noden Upscale Latent and Upscale Latent By i ComfyUI

Upscale Latent ändrar storleken på en latent till en ny storlek (eller med en faktor) så att en andra KSampler kan lägga till detaljer i högre upplösning: den klassiska hires-fixen.
Nodpaket: ComfyUI core
Kategori: Latent

Vad Upscale Latent and Upscale Latent By gör

Att generera stora bilder i ett steg ger ofta dubbla motiv, så ComfyUI-flöden gör små bilder, förstorar latenten och samplar igen med låg brusreducering. Upscale Latent tar en LATENT och en målbred och målhöjd; Upscale Latent By tar istället en skalningsfaktor. Båda erbjuder interpolation med nearest-exact, bilinear, area, bicubic och bislerp.
Latent uppskalning är billig men blir suddig på egen hand; det är andra samplingssteget med brusreducering 0.4-0.6 som återställer skärpa och lägger till detaljer. För renare resultat brukar många avkoda, förstora i pixlar med en ESRGAN-modell och koda om; latent uppskalning är snabbare och behåller mer av originalutseendet.

Ingångar

Namn
Typ
Vad det är
samples
LATENT
Latenten från första samplaren.
upscale_method
COMBO
nearest-exact, bilinear, area, bicubic eller bislerp.
width / height (Upscale Latent)
INT
Målpixelstorlek.
scale_by (Upscale Latent By)
FLOAT
Faktor, till exempel 1.5 eller 2.0.
crop
COMBO
avstängt eller center, när bildförhållandet ändras.

Utgångar

Namn
Typ
Vad det är
LATENT
LATENT
Den förstorade latenten för en andra KSampler.
AD
Hoppa över installationen: ComfyUI-arbetsflöden förinstallerade i molnet
BitVector kör färdiga ComfyUI-arbetsflöden på sina egna GPU:er. Ingen installation, inga saknade noder, inga röda rutor. Öppna det på telefonen eller datorn och generera inom en minut.

Så använder du Upscale Latent and Upscale Latent By

  1. Första KSampler i originalstorlek, brusreducering 1.0.
  2. Upscale Latent By, scale_by 1.5, metod bislerp eller bicubic.
  3. Andra KSampler med samma modell och prompts, brusreducering 0.45-0.55, 15-20 steg.
  4. VAE avkoda den andra latenten.

Inställningar och tips

  • 1.5x är lagom; 2x latent uppskalning behöver brusreducering 0.55+ för att bli skarp igen.
  • bislerp och bicubic ger mjukast latenter; nearest-exact behåller skarpa kanter för pixelkonst.
  • Använd samma seed i båda samplarna för konsekvens, eller olika för mer variation.
  • Sänk cfg med 1 i andra steget för att undvika för hög kontrast.

Felsökning av Upscale Latent and Upscale Latent By

Det uppskalade resultatet är mjukt eller suddigt

Varför det händer
Ingen andra samplingspass efter latent uppskalning, eller brusreducering för låg (under 0.35).

Så löser du det
Lägg till en KSampler efter uppskalningen med brusreducering 0.45-0.6.

Andra steget ändrar bilden helt

Varför det händer
Brusreducering för hög (över 0.7) eller olika prompts/cfg i andra samplaren.

Så löser du det
Sänk brusreduceringen till 0.5 och behåll samma prompts, modell och cfg som i första steget.

Extra lemmar eller dubbla detaljer dyker upp efter uppskalning

Varför det händer
Andra steget körs i en storlek långt över modellens träningsstorlek med hög brusreducering.

Så löser du det
Skala upp 1.5x istället för 2x, sänk brusreduceringen eller lägg till en ControlNet Tile för att låsa kompositionen.

AD
Kör detta arbetsflöde från telefonen
Varje arbetsflöde på den här sidan är förinstallerat på BitVector med sina modeller och anpassade noder. Välj, skriv en prompt, klart. Noll installation, inget att ladda ner.

Frågor om Upscale Latent and Upscale Latent By

Latent eller pixel uppskalning?

Latent är snabbare och behåller stilen; pixel (ESRGAN) plus omkodning ger skarpare detaljer. Många flöden gör pixeluppskalning och sen ett lätt samplingssteg.

Varför finns bislerp?

Den interpolerar på en sfär, vilket passar de normaliserade latentvärdena bättre än linjär blandning.

Relaterade noder

KSampler
ComfyUI core
KSampler kör avbrusningsloopen: den tar modellen, prompts och en latent och skapar den färdiga latenta bilden, styrd av seed, steg, cfg, sampler, scheduler och denoise.
Upscale Image (using Model)
ComfyUI core
Upscale Image (using Model) kör en ESRGAN-liknande uppskalare (4x-UltraSharp, RealESRGAN, 4x_NMKD-Siax, 4x_foolhardy_Remacri) på en IMAGE och returnerar den förstärkt med modellens fasta faktor och med mer detaljer.
VAE Decode
ComfyUI core
VAE Decode omvandlar den samplade LATENT till en pixel-BILD med VAE; VAE Decode (Tiled) gör samma sak i kakel för väldigt stora bilder.
Ultimate SD Upscale
ComfyUI_UltimateSDUpscale
Ultimate SD Upscale förstorar en bild med en ESRGAN-modell, och delar sedan upp den i bitar som bearbetas igen genom diffusionsmodellen med din prompt på låg brusreducering, vilket lägger till verkliga detaljer vid 2x-4x utan att VRAM tar slut.
AD
Trött på att laga noder? Låt molnet göra det
BitVector håller hundratals ComfyUI-arbetsflöden installerade, uppdaterade och testade på snabba moln-GPU:er. Ingen Python, inga CUDA-fel, inga VRAM-gränser. Fungerar från vilken webbläsare som helst.

Fler ComfyUI-noder

CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode omvandlar en textprompt till CONDITIONING med hjälp av modellens textkodare. En nod håller den positiva prompten, en annan den negativa prompten.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager är tillägget som installerar, uppdaterar och fixar anpassade nodpaket och modeller direkt i gränssnittet, löser saknade noder i importerade arbetsflöden och sparar en ögonblicksbild av din setup.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) öppnar en .safetensors- eller .ckpt-modellfil och delar upp den i de tre delar som varje arbetsflöde behöver: diffusionens MODEL, CLIP textkodare och VAE.
Save Image
ComfyUI core
Save Image sparar IMAGE-tensorn som en PNG i ComfyUI/output, med hela arbetsflödet inbäddat i filens metadata så att bilden kan dras tillbaka till ComfyUI för att återställa grafen.
Empty Latent Image
ComfyUI core
Empty Latent Image skapar den tomma latenta ytan (bredd, höjd, batch_size) som text-till-bild-sampling börjar från; dimensionerna måste vara multiplar av 8 och matcha modelfamiljen.
Load Image
ComfyUI core
Load Image läser in en bild från ComfyUI:s input-mapp (eller en uppladdning) och ger ut en IMAGE-tensor plus en MASK som tas från alfakanalen, startpunkten för img2img, inpainting, ControlNet och IP-Adapter-flöden.