ComfyUI InfoComfyUI Info

ComfyUI_Noise

ComfyUI Noise为ComfyUI提供6个节点，能对噪声进行更多控制和灵活操作。包含生成噪声、复制批次样本、混合潜在图像、计算噪声强度、注入噪声和反向采样等节点。例如，可通过混合不同噪声生成图像变体，用反向采样节点找出给定图像的噪声。还配有示例工作流展示使用方法。

BlenderNeko

298 stars
GitHub

Description

ComfyUI 噪声

这个自定义节点包含 6 个适用于 ComfyUI 的节点，它们能让你对噪声进行更精细的控制和更灵活的操作。这使得在生成图像时可以产生细微变化，或者帮助你找到与输入图像和提示词相对应的噪声。

节点

噪声潜在图像：

这个节点可以让你生成噪声。你可以在 latent>noise 下找到该节点，它有以下设置：

  • 源：指定噪声的生成位置。目前支持 GPU 和 CPU。
  • 种子：噪声的种子值。
  • 宽度：图像的宽度。
  • 高度：图像的高度。
  • 批次大小：批次的大小。

复制批次索引：

此节点的功能已移至核心部分。请使用 Latent>Batch>Repeat Latent Batch 和 Latent>Batch>Latent From Batch 来替代。

这个节点可以让你复制批次中的特定样本。例如，它可用于复制编码后的图像或上述节点生成的噪声。你可以在 latent 下找到该节点，它有以下设置：

  • 潜在数据：潜在数据。
  • 批次索引：要复制的潜在数据中样本的索引。
  • 新批次大小：表示样本要复制的次数。

球面线性插值潜在数据：

这个节点允许你混合两组潜在数据。两个输入的潜在数据必须具有相同的维度；否则，该节点将忽略混合因子，而输出顶部插槽的数据。对于附加到潜在数据的其他元素，如掩码，只有顶部插槽的元素会被传递。你可以在 latent 下找到该节点，它有以下输入：

  • 潜在数据 1：第一批潜在数据。
  • 潜在数据 2：第二批潜在数据。此输入可选。
  • 掩码：确定在潜在数据的哪些位置执行球面线性插值操作。此输入可选。
  • 因子：指定第二批潜在数据要球面线性插值到第一批中的比例。

获取西格玛：

这个节点可用于计算采样器在去噪过程开始时预期的噪声量。你可以在 latent>noise 下找到该节点，它有以下输入和设置：

  • 模型：要为其计算西格玛的模型。
  • 采样器名称：要为其计算西格玛的采样器名称。
  • 调度器：采样器中使用的调度类型。
  • 步数：调度中的总步数。
  • 起始步数：采样器的起始步数，指示输入图像中预期的噪声量。
  • 结束步数：上一个采样器当前的结束步数，指示图像中现有的噪声量。

大多数情况下，你只需将 起始步数 设为零，将 结束步数 设为 步数。但是，如果你想在两个采样器之间重新注入一些噪声，例如，一个采样器从 0 到 15 去噪，另一个从 10 到 20 去噪，你可以将 起始步数 设为 10，将 结束步数 设为 15。这样，第 15 步的图像可以被重新添加噪声回到第 10 步，以便第二个采样器将其处理到第 20 步。请注意，高级 K 采样器有 添加噪声 和 返回剩余噪声 设置，在使用这些节点时，这两个设置都应禁用。

注入噪声：

这个节点允许你将噪声注入到图像潜在数据中。你可以在 latent>noise 下找到该节点，它有以下输入：

  • 潜在数据：要注入噪声的潜在数据。
  • 噪声：噪声。此输入可选。
  • 掩码：确定在哪些位置注入噪声。此输入可选。
  • 强度：噪声的强度。请注意，你可以使用上述节点来计算合适的强度值。

反采样器：

这个节点执行采样器的反向操作。它根据模型和提示词计算生成图像所需的噪声。你可以在 sampling 下找到该节点，它有以下输入和设置：

  • 模型：目标模型。
  • 步数：添加噪声的步数。
  • 结束步数：要回溯到的步数。
  • 分类器无引导尺度：分类器无引导尺度。
  • 采样器名称：要使用的采样技术名称。
  • 调度器：要使用的调度类型。
  • 归一化：是否在输出前对噪声进行归一化。在将其传递给注入噪声节点时，这很有用，因为该节点需要归一化的噪声。
  • 正提示词：正提示词。
  • 负提示词：负提示词。
  • 潜在图像：要重新添加噪声的图像。

当试图尽可能准确地重建目标图像时，如果反采样器和采样器都使用接近 1.0 的分类器无引导尺度和相似的步数，效果最佳。不过，尝试这些设置以更好地理解结果是很有趣且值得的。这个节点可以实现与 A1111 img2img 替代 脚本类似的效果。

示例

以下是一些展示如何使用上述节点的示例。这些示例的工作流程可以在 example_workflow 文件夹中找到。

生成变体

展示对给定种子生成微小变体的工作流程截图

要在给定的生成结果中创建细微变化，你可以按照以下步骤操作：首先，使用 噪声潜在图像 节点为你感兴趣的种子生成噪声。然后，使用 复制批次索引 节点创建这批噪声的完整副本。请注意，如果你是在进行 img2img 操作，可以使用相同的节点复制图像潜在数据。接下来，生成更多噪声，但这次创建一批噪声而不是单个样本。然后，使用 球面线性插值潜在数据 节点将新创建的噪声球面线性插值到之前的噪声中。要确定注入此噪声所需的强度，可以使用 获取西格玛 节点。最后，使用 注入噪声 节点将球面线性插值后的噪声注入到一批空的潜在数据中。请注意，你应该使用高级 K 采样器，并禁用 添加噪声 设置。

“反采样”

展示对给定种子生成微小变体的工作流程截图

要获取能重现特定图像的噪声，首先加载图像。然后，使用低分类器无引导尺度值的 反采样器 节点。要验证这是否有效，将得到的噪声反馈到高级 K 采样器中，禁用 添加噪声 设置，并将分类器无引导尺度设为 1.0。