ComfyUI 基础教程（四）：图生图基础流程（文生图进阶）

已于 2023-12-15 16:07:47 修改
阅读量3k 收藏 13
点赞数 7
分类专栏： ComfyUI从入门到精通 文章标签： 人工智能 AI作画 comfyui
于 2023-12-15 09:18:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/joshesye/article/details/135008757
版权

下面这个图就是典型的1.5模型生成过程，SD的核心来源于Latent Diffusion这个工作。

SD在UNet中引入text condition来实现基于文本生成图像。它先采用一个autoencoder将图像压缩到latent空间。然后用扩散模型来生成图像的latents，最后送入autoencoder的decoder模块就可以得到生成的图像。

图生图的流程：

输入：图像 + prompt

输出：图像

这个流程的本身，就是加入了一个图像的参考。流程的本质就是让图像变成一个latent的输出。

图生图工作流示例：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
细节控-AI先行者
关注
  • 7
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
ComfyUI 基础教程：界面介绍/文生图工作流
水滴的博客
05-28 1588
本文将介绍 ComfyUI 的主要界面，包括：工作流区域、操作面板、基础操作和快捷键，并详细介绍了文生图工作流的各节点的作用及连接。 文章内容包含大量的图例，希望能够帮助新手同学快速入门。
[ComfyUI进阶教程]在Comfyui上使用SDXL-Turbo实现实时图片生成工作流
细节控-AI先行者的博客
01-05 1044
知道Turbo的原理后，我们就可以在ComfyUI中自由搭载sdxl-turbo、LCMlora、controlnets、animate快速组成文/图生视频工作流程了。加载SVD+SDXL-Turbo的工作流，使用turo+svd-xt模型，帧数24，步数20，cfg为2.5，采样器euler，视频尺寸512x768。加载turo工作流，点击启动，不用多久，就生成了图片。turbo是一个实时生成的模型，看官方的视频，基本上可以看到它的输入就可以实时渲染了。SDXL turbo模型可在ComfyUI中使用。
Midjourney 基础教程（三）：Midjourney 图生图
04-27
今天这篇教程，主要是教⼤家另外⼀种控制 Midjourney ⽣成图⽚的⽅式。 这个⽅式就是「图⽣图」。 「图⽣图」，有⼀个好处就是可以让⽣成的图⽚效果，越来越趋近于期待的画⾯。 所以，这篇⽂章，我们来研究「图⽣图」 Midjourney 图⽣图主要有这么 4 种⽅式： 模仿：不断作图，研究 prompt 和指令参数，对于⽣成画⾯的影响； 描述：图⽣⽂模式，通过指令得到⼀张图⽚， AI 绘画相关的 prompt； 扩展：通过⼀张图⽚，图⽂结合⽅式，扩展⽣成出它类似⻛格的图； 混合：将两种图⽚混合为⼀张新图。
Comfyui api图生图
m0_56441728的博客
06-07 540
三、修改api.py router.py index.html。允许上传base64格式的图片和url格式的图片。一、comfyui添加图片上传节点。二、重启comfyui。
Stable Diffusion ComfyUI 基础教程（四）图生图流程及 derfuu 插件
最新发布
libaiup的博客
07-13 1071
想一下，在我们使用 web UI 图生图的时候，他比文生图多了什么，是不是多了个加载图像的位置。 我们怎么才能把图片转成可以被识别的信息呢，我们需要把图片解码成可以被识别的信息。
Comfyui基础图生图工作流只需8个节点
拥抱AIGC，拥抱Stable Diffusion，拥抱Comfyui工作流
07-07 393
Comfyui基础图生图工作流只需8个节点
AI绘图：掌握图生图流程与derfuu插件在ComfyUI中的应用
03-31 2216
本文是关于如何在ComfyUI中使用图生图流程以及如何利用derfuu插件进行图像尺寸调整的教程。图生图是一种基于已有图像生成新图像的技术，它在文生图的基础上增加了加载图像的步骤。文章首先介绍了图生图的基本流程，包括加载图像、VAE解码、连接采样器和VAE加载器等步骤，并指出了在图生图中不需要使用加载图像的遮罩功能。 接着，文章解释了如何通过调整采样器中的降噪参数来控制生成图像与原图的相似度。此外，还介绍了如何在图生图中进行批量出图，以及如何使用图像缩放节点来调整图像尺寸。
Stable Cascade-ComfyUI中文生图、图生图、多图融合基础工作流分享
聚梦小课堂
03-02 3710
最近 ComfyUI对于Stable Cascade的支持越来越好了一些，官方也放出来一些工作流供参考。这里简单分享几个比较常用的基础工作流。
ComfyUI完全入门：图生图局部重绘
程序员，AI探索者
05-25 1417
这篇文章的主题和美女有关，不过并不是教大家生产美女视频，而是讲解 ComfyUI 的图生图局部重绘，其中将会以美女图片为例，通过更改大长腿上的黑丝、白丝，来展示局部重绘的强大威力。
AI绘画：利用ComfyUI进行文生图操作的完整指南
03-31 3061
ComfyUI作为一款基于Stable Diffusion的节点式操作界面，为用户提供了一个更加灵活和高效的文生图（文本生成图像）创作环境。本篇博客将详细介绍如何使用ComfyUI进行文生图操作，无论你是初学者还是有一定基础的用户，都能够通过本指南快速上手。
Comfyui中图生图工作流，这样去掉参考图的背景
拥抱AIGC，拥抱Stable Diffusion，拥抱Comfyui工作流
07-08 513
Comfyui中图生图工作流，这样去掉参考图的背景
ComfyUI流程图、文生图、图生图步骤教学！
2401_84760527的博客
07-02 987
给定一个含有 n 个正整数的数组和一个正整数 target。找出该数组中满足其总和大于等于 target 的长度最小的子数组[numsl, numsl+1, …, numsr-1, numsr] ，并返回其长度。如果不存在符合条件的子数组，返回 0。return 0;//计算前缀和：sums[i] 表示 nums[0]~nums[i-1]的和i
Mac电脑M1使用ComfyUI文生图、图生图【01-安装和启动】
qifengle2014的博客
05-16 539
Mac电脑M1使用ComfyUI文生图、图生图，第一章节【01-安装和启动】
ComfyUI使用总结
金闪闪_Li的博客
10-24 7993
ComfyUI，它的主要特点是以工作流的形式来进行和展现基于stable diffusion模型的文生图和图生图的过程，拖拽式操作来链接各个节点，比如base model、vae、controlnet、lora、hypernet等。让整个生成过程更加清晰，易于理解。
马上学会使用comfyui SD1.5工作流,只需看完这篇文章
2401_84760527的博客
05-20 1296
本篇文章目录一、sd1.5基础文生图二、加载VAE三、加载Lora四、图生图五、批量生成六、CLIP设置停止层（CLIP Set Last Layer node）七、二次采样八、局部修复首先从最简单的工作流开始一、sd1.5基础文生图K采样器知识点：·DPMPP_2M/KARRAS通常选这两个，整体表现较好·如果想要每次生成不一样的图像，可以选择以_SDE和_ANCESTRAL结尾的采样器·如果效果不理想，则增加步骤数（每次+5步）。
如何使用ComfyUI一次批量生成不同内容的图片
聚梦小课堂
02-22 4987
有时候需要使用ComfyUI批量生成不同内容的图片，一般情况下，大家需要一次次的复制不同的内容到提示词中，然后才能生成不同的内容，那么有没有什么方法可以直接一次输入，然后就等着ComfyUI批量生成图像呢？这篇文章就讲一下思路；
一步步带你解锁Stable Diffusion：SD 图生图功能保姆级入门指南「上」
qq_46094651的博客
01-26 5751
说到这里呢，推荐大家一个插件哦「WD 1.4 标签器」，它的功能也是反推提示词，效果比上边两种都要好喔，推荐大家使用它。先把图片缩小指定的尺寸，然后再填充空白的部分，可以看到原图像的左右部分被填充了，大家仔细看应该还能看到填充的痕迹，问题不大，后续都可以调整。今天继续分享我们的 SD 图生图功能哦，图生图我们分成两篇来分享哦，要不然都塞一篇里，我怕大家看不下去，嗯，是的，就是这个原因！涂鸦功能是全图绘制，所以人物形象也会有所变化，想要人物不变的话，就要使用「局部涂鸦绘制」，这个我们下一篇会讲到。
【第9章】“基础工作流”怎么用？（图生图/局部重绘/VAE/更多基础工作流）ComfyUI基础入门教程
聚梦小课堂
06-13 629
ComfyUI基础工作流详解，内容涵盖：详细讲解了图生图、局部重绘和含VAE的工作流的参数及用法，同时，还提供了更多基础工作流的下载网址。
扩散模型的图生图和文生图
11-13
根据引用，扩散模型是一种超分辨率模型，可以将低分辨率的图像转换为高分辨率的图像。其中，Small-to-Medium（STM）超分模型以64x64的图像为输入，超级解析生成256x256的图像；Medium-to-Large（MTL）超分模型以256x256的图像为输入，超级解析生成1024x1024的图像。扩散模型的图生图和文生图的具体实现方式并未在引用中提及，但可以推测扩散模型是通过学习低分辨率图像和高分辨率图像之间的映射关系，从而实现图像的超分辨率重建。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

细节控-AI先行者

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值