51 lines
2.1 KiB
Markdown
51 lines
2.1 KiB
Markdown
# Documentation
|
|
- Class name: VideoLinearCFGGuidance
|
|
- Category: sampling/video_models
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
|
|
|
VideoLinearCFGGuidance节点旨在提供一种修改视频模型采样过程指导的方法。它通过使用线性配置函数修补模型来实现这一点，该函数根据最小配置比例平滑地混合无条件和有条件的采样。这个节点增强了模型生成具有不同细节和控制水平的视频的能力。
|
|
|
|
# Input types
|
|
## Required
|
|
- model
|
|
- 模型参数对于VideoLinearCFGGuidance节点至关重要，因为它代表了将要被修补的视频模型。正是通过这个模型，节点发挥其功能，允许定制采样过程。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: torch.nn.Module
|
|
- min_cfg
|
|
- min_cfg参数确定了VideoLinearCFGGuidance节点内线性指导函数的最小配置比例。它是控制无条件和有条件采样之间混合的关键因素，从而影响输出视频的特性。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
# Output types
|
|
- modified_model
|
|
- VideoLinearCFGGuidance节点的输出是一个融入了线性配置函数的修改后的视频模型。这允许对视频生成采取更细致的方法，为最终输出提供更大的灵活性和控制。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: torch.nn.Module
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class VideoLinearCFGGuidance:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'model': ('MODEL',), 'min_cfg': ('FLOAT', {'default': 1.0, 'min': 0.0, 'max': 100.0, 'step': 0.5, 'round': 0.01})}}
|
|
RETURN_TYPES = ('MODEL',)
|
|
FUNCTION = 'patch'
|
|
CATEGORY = 'sampling/video_models'
|
|
|
|
def patch(self, model, min_cfg):
|
|
|
|
def linear_cfg(args):
|
|
cond = args['cond']
|
|
uncond = args['uncond']
|
|
cond_scale = args['cond_scale']
|
|
scale = torch.linspace(min_cfg, cond_scale, cond.shape[0], device=cond.device).reshape((cond.shape[0], 1, 1, 1))
|
|
return uncond + scale * (cond - uncond)
|
|
m = model.clone()
|
|
m.set_model_sampler_cfg_function(linear_cfg)
|
|
return (m,)
|
|
``` |