[AI绘画] 简明原生 ComfyUI 三重超细节放大教程（附工作流） ...

本教程将从0构建 ComfyUI 三重细节填充放大工作流，人有多大胆，图有多大产

**（发起横屏）**鬼灭之刃 · 堕姬 & 甘露寺蜜璃 · 三重细节填充放大 · 16K(15488×8832)
「四种放大」
”潜空间“和”像素空间”，图像放大可以在潜空间里做，也可以在像素空间里做，服从和效果大相径庭。
AI绘画常用的图像放大思路有四个：像素放大、模子放大、重采样放大、区块放大。这四个并不是专业术语，也不是标准的分类，但我以为这么分类非常有助于明白和实操，其他不常用的放大方法在此没有拿出来讨论的须要性。
「像素放大」
右侧是一张150px×150px的头像，左侧是使用图片编辑器（这里使用Photoshop也就是PS）的“调解图像大小”功能举行的简单两倍像素放大（也就是300px×300px）的效果。原来的蓝色眼瞳高光占2个像素，放大后占了约9个像素。

像素放大法只是单纯的将1个像素点复制出了N个，仅此而已（其实就是基于插值算法，计算出图像放大后新位置的像素值），它并不增长任何细节。当把镜头推远后，直观感觉上图像的质量并没有提升，该“糊”的地方还是很“糊”。

这个事情也侧面反映出，图像和视频并不是分辨率越高质量越好。所谓的“高清”、“超清”，讲的是单位面积的像素内所承载的内容密度。内容密度不敷，分辨率再高也是糊。
“像素放大”方法是在“像素空间”做文章的放大方法，也是对提升清楚度来说最没用的一种放大方法。
「模子放大」
基于深度学习模子、网络对抗模子等现代算法来放大图片，在进步分辨率的同时保持能加强图像的细节、清楚度和逼真度。耳熟能详的有ESRGAN系列和它的升级版4x-ultrasharp。

右半边是原图，左半边使用了 4x-ultrasharp 模子举行放大。嘴唇、皮肤、脖子上的金属首饰，质感得到了显着加强。直观上，4x-ultrasharp 增长了图像的“锐度”，这可能也是模子使用“sharp”这个词的原因。

同样是使用了 4x-ultrasharp 放大模子，注意头发和眉毛在经过模子放大后纹理和细节性的加强程度。
模子放大方法也是在“像素空间”做文章的放大方法，它总是实验从低分辨率图像中天生高分辨率图像，然后不断判断天生的高分辨率图像与真实高分辨率图像之间的差异，多次迭代形成最优图像。
模子放大是最常用的图像还原和超清分辨率方法，快速、使用、质量高。工作流非常简单：

「重采样放大」
重采样放大也叫潜空间放大，顾名思义就是把“高维度像素空间”的图片，通过VAE编码打回到“更大尺寸的低维度潜空间”，通过添加额外的随机噪声，再VAE解码，实现图片的间接放大。
如果你明白潜空间的寄义，就知道重采样放大，实际上是一种图生图重绘，以是这种放大思路的缺点在于放大质量的不稳定性。重采样步骤和采样算法等因素的协调性，直接影响了放大的质量和与原图的一致性。
「区块放大」
区块放大严酷意义上不是一种“算法”，它更像是一个工程技巧。它的根本思路是图像拆分->分别放大->重新组合。
更大的图像尺寸就是可以或许在单位像素面积下承载更多的内容，以是尽可能地在放大整体像素尺寸的同时填充内容，是各人都希望的。换句话说，只要硬盘够大，好的图片多多数不算大。
假设你的显卡和显存容量，可以或许支持一次性将1024×1024的图片放大4倍，也就是4096×4096，那么你还能将它再一次性超清放大4倍吗？然后再放大4倍呢？对于大多数家用电脑，答案是否定的，强如N卡GTX4090的显存也会爆掉。
区块放大，就是将这个4096×4096的图片，三横三竖砍成16个1024×1024的图块，然后分别对这16张局部图举行16次单独放大，再将他们按照原来的顺序和位置拼接好，从而实现对 4096×4096 放大4倍的效果。
实际的分块，要比上面这个计算尺寸大一个边，也就是说，块与块之间的界限，有内容重合的部门，比如每个块实际上是按照 1100×1100 来放大的。这么做的好处是，在末了一步拼接时，块与块之间会有更好的衔接，整张图会更整体。
「工作流拆解和创建」
三重放大的根本思路是组合上面先容的四种放大中的背面三种，即：潜空间放大->分区放大->模子放大。这个组合顺序，从原理上来说可以总结为“潜空间重采样”、“像素空间局部模子放大”、“像素空间全局模子放大”。关于顺序分析如下：
如果把潜空间放大放在靠后的位置，它的重采样效果会破坏前置放大步骤为图像增添的细节和清楚度，因果关系就雷同“先贴漂亮的墙纸、再把墙砸掉、再砌一面更好的墙”。以是全部的潜空间放多数应该放在最前面。
区块放大本质上是局部模子放大，它不破坏整体结构和内容协调性，是在“潜空间放大”增长了画面丰富度后，进一步举行画面的细节精致化处理并添加更好的光影效果。以是紧跟着潜空间执行。
模子放大作为全局整体执行时，不添加任何细节，而是把看起来很“糊”的东西变得更加清楚，可以简单的明白为是在把尺寸放大的同时锐化整个画面。

「添加潜空间放大节点」
潜空间放大不需要把K采样器的结果举行解码，那么我们把底子工作流末了的VAE解码节点删除。之后添加两个节点：

• 新建 -> Latent -> Latent按系数缩放
  
• 新建 -> 采样 -> K采样器。
  

将原K采样器的Latent输出连接到新增的Latent按系数缩放节点的输入上，并将它的输出连接到新增K采样器的Latent输入上；将模子加载节点的模子输出连接到新增K采样器的对应输入上；将两个CLIP文本编辑器的输出连接到新增K采样器的对应输入上。
Latent按系数缩放和K采样器，完成“潜空间放大”

「添加区块放大节点」
区块放大节点需要额外下载，安装的“插件管理器”，搜索“ssitu”直接安装，大概从 GitHub 下载离线包后，解压到 ComfyUI_windows_portable\ComfyUI\custom_nodes 文件夹下

‍区块放大节点是一个特别大的节点，由于它傻瓜式融合了分块、区块模子放大、区块拼接、接缝重绘整合等多个步骤。区块放大节点的位置

• 新建->图像->放大->SD放大
  

有两点需要注意。第一，区块放大节点的输入差别于潜空间放大，它的输入不是Latent而是图像，以是我们要现在区块放大节点之前，增长一个VAE解码器，以便把前一步潜空间放大的结果转换为像素空间图像。第二，区块放大本质是模子放大，以是需要放大模子加持。我们直接从区块放大节点的“放大模子”输入点上用鼠标连线到空白处，在弹出的选项中选择“放大模子加载器”。
随后，将最前面模子加载节点的模子输出连接到区块节点的对应输入上；将最前面模子加载节点的VAE输出连接到区块放大节点对应的输入上；将前面两个CLIP文本编辑器的输出连接到新增K采样器的对应输入上。如许我们就连接好了区块放大节点。

为了简化教程，目前我们只需要关注分块宽度和分块高度。如果你的基模是SD1.5系列，这两个值为512或768。如果你的基模是SDXL、Pony或更高版本，这两个值至少是1024并且是64的整数倍。
这两个值什么意思呢？我们刚刚说过，区块放大就是把一张图，切割成多少子图，分别对子图放大后在拼接成大图。这两个值，就决定了切割出来的子图的大小，用一张图表示如下：

这是一张 2200×1400 的图，当我们设置分块为 1024×1024 时，图片大约会按照上面这个切分方式分为 2×3 的网格，并分6次局部执行局部模子放大。

上面是一个简化算法。实际的切分方法要更加复杂一些。为了确保子图与子图在终极拼接时具有更加丝滑的接缝过度，实际上分块与分块之间会重合，重合的宽度由叫做“接缝修复宽度”的参数控制。实际分块可视化后大概像如许：

「添加模子放大节点」
这一步就比较简单了，添加一个“图像通过模子放大”节点即可

• 新建->图像->放大->图像通过模子放大
  

将上一步区块放大节点的图像输出给到模子放大的图像输入，将上一步的放大模子加载其的输出，再拉一根线到模子放大节点的放大模子输入上，如许就完成了全局模子放大节点的搭建。

至此，我们就完成了三重超清放大工作流的全部搭建工作，这个工作流现在长如许，其中红框为“潜空间放大”，绿框为“区块放大”，黄框为“模子放大”，红框前面的部门是我们前面讲过的文生图绘图模子：

「放大效果」
「潜空间放大效果前后对比」

左：原图 右：潜空间重采样 眉毛纹理、睫毛根数和瞳仁深度得到细节加强

左：原图 右：潜空间重采样 珍珠重绘和高光加强
「区块放大效果前后对比」

左：上一步原图 右：区块放大结果 花蕊重绘细节加强

左：上一步原图 右：区块放大结果 鼻子高光、唇部高光
「全局模子放大前后对比」

左：上一步原图 右：模子放大结果 全局锐化
「附加题」
上面先容的是文生图三重超清放大工作流。末了，曾通过替换潜空间节点，将“文生图”进化为“图生图”。那么三重超清放大工作流用雷同方法调解后，就可以酿成任不测部图片的高分辨率修复工作流，比如做一个老照片修复。
为了资助各人更好地把握 ComfyUI，我在客岁花了几个月的时间，撰写并录制了一套ComfyUI的底子教程，共六篇。这套教程详细先容了选择ComfyUI的来由、其优缺点、下载安装方法、模子与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。
   由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取
  

  一、ComfyUI配置指南

• 报错指南
  
• 环境配置
  
• 脚本更新
  
• 后记
  
• …
  

二、ComfyUI底子入门

• 软件安装篇
  
• 插件安装篇
  
• …
  

三、 ComfyUI工作流节点/底层逻辑详解

• ComfyUI 底子概念明白
  
• Stable diffusion 工作原理
  
• 工作流底层逻辑
  
• 必备插件补全
  
• …
  

四、ComfyUI节点技巧进阶/多模子串联

• 节点进阶详解
  
• 提词技巧精通
  
• 多模子节点串联
  
• …
  

五、ComfyUI遮罩修改重绘/Inpenting模块详解

• 图像分辨率
  
• 姿势
  
• …
  

六、ComfyUI超实用SDXL工作流手把手搭建

• Refined模子
  
• SDXL风格化提示词
  
• SDXL工作流搭建
  
• …
  

   由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取
  

  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。