本文主要是介绍ComfyUI上手使用记录,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- 资料
- 安装
- 基础概念
- 常用的工具和插件
- 放大图像
- 从裁剪到重绘
- SDXL工作流搭建
- Clip的多种不同的应用
- Lcm-Turbo极速出图
- 集成节点
资料
AI绘画之ComfyUI
Stable Diffusion WEUI中的SDV1.5与SDXL模型结构Config对比
stable-diffusion-webui中stability的sdv1.5和sdxl模型结构config对比
【Stable Diffusion】向未来而生,关于SDXL你要知道事儿
【ComfyUI教程】ComfyUI安装教程,插件安装教程
【ComfyUI教程】基础概念讲解,新手轻松搭建工作流
【ComfyUI教程】常用必备插件的使用与优化技巧
【ComfyUI教程】升高放大无极限,自由组建放大模块
【ComfyUI教程】从裁剪到重绘,图生图完整搭建
【ComfyUI教程】SDXL工作流搭建
【ComfyUI教程】Clip的多种不同应用
【ComfyUI教程】Lcm-Turbo极速出图,实时绘画工作流
【ComfyUI教程】集成节点与管道封装教程
安装
【https://zhaojian.blog.csdn.net/article/details/141248147】
安装ComfyUI的插件
插件的管理
基础概念
采样器
K采样器和K采样器(高级)
潜在空间 Latent Space
像素空间 pixel Space
潜在空间组
文字处理成可用的编码信息
可取消队列
可重新加载
加载器
加载图像
图生图:将图像进行VAE编码
常用的工具和插件
LoRA加载器
从模型出来,连上clip提示词,输出的模型传给K采样器
调整布局
clip调整层
多个LoRA加载器
LoRA加载器输出给K采样器
将LoRA存储为单独储存为模板
加载存储的模板
Primitive元节点
一个参数控制模型强度+CLIP强度
放大图像
空间内放大
Latent缩放,Latent按系数缩放
二次采样
设置采样器
新建一个节点,图像按系数缩放,通过模型放大
通过模型放大(英文版)
放大模型加载器
SD放大
做成一个模板
空间外放大(?)
从裁剪到重绘
图像裁剪
IPAdapter-ComfyUI
自动序列,自动出图
图像按系数缩放
提词反推,w1.4插件
字符串操作–>提升为变量
翻译节点
浅空间转换
替换背景
两个K采样器,第一个出图,第二个细节
SDXL工作流搭建
第一步,先搞出来
高级采样器,两次渲染
高级采样器二次采样完整工作流
风格化插件
使用SDXL风格化提示词插件
选择风格
节点中,不同的风格
加入SDXL风格化节点
CLIP文本编码SDXL
数学表达式
连接点/转接点
Clip的多种不同的应用
controlnet应用
最新版本
contronet预处理节点插件
controlnet预处理器
Canny细致线预处理器
Aux集成预处理器
预处理模型所在位置
原理
同时参考两个词
Lcm-Turbo极速出图
Lcm放到loras文件夹中
LoRA中找到LCM分类
加入调整节点
模型离散采样算法
采样器
turbo模型
turbo采用的是自定义采样器
从Civitai下载SDXL Turbl模型
使用三方的SDXL Turbo模型
集成节点
efficiency-nodes-comfyui
ComfyUI_tinyterraNodes
A111 sd风格
ttn
转换为节点组
这篇关于ComfyUI上手使用记录的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!