61 lines
3.1 KiB
Markdown
61 lines
3.1 KiB
Markdown
# Documentation
|
|
- Class name: MultivalScaledMaskNode
|
|
- Category: Animate Diff 🎭🅐🅓/multival
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/Kosinkadink/ComfyUI-AnimateDiff-Evolved.git
|
|
|
|
MultivalScaledMaskNode 类旨在通过在指定范围内缩放给定的掩码张量来转换它。它根据所选的缩放类型应用线性转换或归一化，确保输出掩码适合在动画或可视化应用程序中进行进一步处理。
|
|
|
|
# Input types
|
|
## Required
|
|
- min_float_val
|
|
- 最小浮点值参数定义了掩码张量缩放范围的下限。它在设置掩码的缩放比例中起着至关重要的作用，确保缩放后的最小值如指定的那样。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- max_float_val
|
|
- 最大浮点值参数设置了掩码张量缩放的上限。它对于确定掩码的缩放比例至关重要，确保缩放后的最大值与期望的最大值一致。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- mask
|
|
- 掩码参数是一个张量，它将根据指定的最小和最大浮点值进行缩放。它是节点操作的核心元素，因为缩放直接应用于此张量以实现所需的多值效果。
|
|
- Comfy dtype: MASK
|
|
- Python dtype: torch.Tensor
|
|
## Optional
|
|
- scaling
|
|
- 缩放参数确定要应用于掩码张量的缩放类型。它可以是绝对的或相对的，影响如何在指定范围内调整掩码值。
|
|
- Comfy dtype: ScaleType.LIST
|
|
- Python dtype: str
|
|
|
|
# Output types
|
|
- multival
|
|
- MultivalScaledMaskNode 的输出是一个多值张量，代表缩放后的掩码。它非常重要，因为它是节点操作的直接结果，可用于后续的动画或可视化任务。
|
|
- Comfy dtype: MULTIVAL
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class MultivalScaledMaskNode:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'min_float_val': ('FLOAT', {'default': 0.0, 'min': 0.0, 'step': 0.001}), 'max_float_val': ('FLOAT', {'default': 1.0, 'min': 0.0, 'step': 0.001}), 'mask': ('MASK',)}, 'optional': {'scaling': (ScaleType.LIST,)}}
|
|
RETURN_TYPES = ('MULTIVAL',)
|
|
CATEGORY = 'Animate Diff 🎭🅐🅓/multival'
|
|
FUNCTION = 'create_multival'
|
|
|
|
def create_multival(self, min_float_val: float, max_float_val: float, mask: Tensor, scaling: str=ScaleType.ABSOLUTE):
|
|
if isinstance(min_float_val, Iterable):
|
|
raise ValueError(f'min_float_val must be type float (no lists allowed here), not {type(min_float_val).__name__}.')
|
|
if isinstance(max_float_val, Iterable):
|
|
raise ValueError(f'max_float_val must be type float (no lists allowed here), not {type(max_float_val).__name__}.')
|
|
if scaling == ScaleType.ABSOLUTE:
|
|
mask = linear_conversion(mask.clone(), new_min=min_float_val, new_max=max_float_val)
|
|
elif scaling == ScaleType.RELATIVE:
|
|
mask = normalize_min_max(mask.clone(), new_min=min_float_val, new_max=max_float_val)
|
|
else:
|
|
raise ValueError(f"scaling '{scaling}' not recognized.")
|
|
return MultivalDynamicNode.create_multival(self, mask_optional=mask)
|
|
``` |