feat: copy docs

2024-07-04 08:39:03 +08:00
parent 5bb10793d9
commit 202ff3e962
1421 changed files with 129711 additions and 0 deletions
@@ -0,0 +1,119 @@
+
+# Documentation
+- Class name: Inference_Core_LayeredDiffusionDiffApply
+- Category: layer_diffuse
+- Output node: False
+- Repo Ref: https://github.com/comfyanonymous/ComfyUI
+
+Inference_Core_LayeredDiffusionDiffApply 节点专门用于将分层扩散过程应用于给定的模型，利用特定的配置和权重来修改模型的行为。它旨在通过集成扩散技术来增强或改变模型的输出，如果模型配置支持，还可以包括注意力共享机制。
+
+# Input types
+## Required
+- model
+    - 将要应用分层扩散过程的模型。这个参数至关重要，因为它决定了将要进行扩散过程的基础模型，从而影响最终输出。
+    - Comfy dtype: MODEL
+    - Python dtype: ModelPatcher
+- cond
+    - 扩散过程的条件输入，用于指导扩散的方向和结果。
+    - Comfy dtype: CONDITIONING
+    - Python dtype: Optional[List[List[torch.TensorType]]]
+- uncond
+    - 扩散过程的无条件输入，为扩散效果提供基准。
+    - Comfy dtype: CONDITIONING
+    - Python dtype: Optional[List[List[torch.TensorType]]]
+- blended_latent
+    - 融合了条件和无条件输入特征的潜在表示，用于影响扩散过程。
+    - Comfy dtype: LATENT
+    - Python dtype: Optional[torch.TensorType]
+- latent
+    - 在应用扩散过程之前的模型原始潜在表示。
+    - Comfy dtype: LATENT
+    - Python dtype: torch.TensorType
+- config
+    - 指定用于分层扩散过程的配置字符串。这个配置决定了如何应用扩散，包括任何特定于模型的调整或优化。
+    - Comfy dtype: COMBO[STRING]
+    - Python dtype: str
+- weight
+    - 影响应用于模型的扩散过程强度的浮点值。它调整扩散对模型行为或输出的改变程度。
+    - Comfy dtype: FLOAT
+    - Python dtype: float
+
+# Output types
+- model
+    - 应用分层扩散过程后的修改模型，反映了行为或输出的变化。
+    - Comfy dtype: MODEL
+    - Python dtype: ModelPatcher
+- conditioning
+    - 在扩散过程中使用或生成的条件信息，可能影响模型的输出。
+    - Comfy dtype: CONDITIONING
+    - Python dtype: Optional[List[List[torch.TensorType]]]
+
+
+## Usage tips
+- Infra type: `GPU`
+- Common nodes: unknown
+
+
+## Source code
+```python
+class LayeredDiffusionDiff:
+    """Extract FG/BG from blended image.
+    - Blended + FG => BG
+    - Blended + BG => FG
+    """
+
+    @classmethod
+    def INPUT_TYPES(s):
+        return {
+            "required": {
+                "model": ("MODEL",),
+                "cond": ("CONDITIONING",),
+                "uncond": ("CONDITIONING",),
+                "blended_latent": ("LATENT",),
+                "latent": ("LATENT",),
+                "config": ([c.config_string for c in s.MODELS],),
+                "weight": (
+                    "FLOAT",
+                    {"default": 1.0, "min": -1, "max": 3, "step": 0.05},
+                ),
+            },
+        }
+
+    RETURN_TYPES = ("MODEL", "CONDITIONING", "CONDITIONING")
+    FUNCTION = "apply_layered_diffusion"
+    CATEGORY = "layer_diffuse"
+    MODELS = (
+        LayeredDiffusionBase(
+            model_file_name="layer_xl_fgble2bg.safetensors",
+            model_url="https://huggingface.co/LayerDiffusion/layerdiffusion-v1/resolve/main/layer_xl_fgble2bg.safetensors",
+            sd_version=StableDiffusionVersion.SDXL,
+            cond_type=LayerType.FG,
+        ),
+        LayeredDiffusionBase(
+            model_file_name="layer_xl_bgble2fg.safetensors",
+            model_url="https://huggingface.co/LayerDiffusion/layerdiffusion-v1/resolve/main/layer_xl_bgble2fg.safetensors",
+            sd_version=StableDiffusionVersion.SDXL,
+            cond_type=LayerType.BG,
+        ),
+    )
+
+    def apply_layered_diffusion(
+        self,
+        model: ModelPatcher,
+        cond,
+        uncond,
+        blended_latent,
+        latent,
+        config: str,
+        weight: float,
+    ):
+        ld_model = [m for m in self.MODELS if m.config_string == config][0]
+        assert get_model_sd_version(model) == ld_model.sd_version
+        c_concat = model.model.latent_format.process_in(
+            torch.cat([latent["samples"], blended_latent["samples"]], dim=1)
+        )
+        return ld_model.apply_layered_diffusion(
+            model, weight
+        ) + ld_model.apply_c_concat(cond, uncond, c_concat)
+
+```