141 lines
5.2 KiB
Markdown
141 lines
5.2 KiB
Markdown
|
|
# Documentation
|
|
- Class name: AV_ControlNetEfficientStacker
|
|
- Category: Art Venture/Loaders
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
|
|
|
AV_ControlNetEfficientStacker节点旨在简化图像处理流程中控制网络的整合和管理。它通过允许基于预定义标准进行动态选择、应用预处理步骤以及调整控制网络强度和分辨率，实现了控制网络的高效堆叠，从而增强了图像处理任务的灵活性和有效性。
|
|
|
|
# Input types
|
|
## Required
|
|
- control_net_name
|
|
- 指定要使用的控制网络名称，包括基于模型版本自动选择的选项。该参数对于确定适当的控制网络和图像预处理要求至关重要。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: str
|
|
- image
|
|
- 待处理的输入图像。此参数至关重要，因为它作为应用控制网络转换的基础。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- strength
|
|
- 定义控制网络对图像影响的强度，允许对图像属性进行精细调整。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- start_percent
|
|
- 指定控制网络效果的起始百分比，允许逐步应用于图像。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- end_percent
|
|
- 指定控制网络效果的结束百分比，实现对网络影响衰减的精确控制。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- preprocessor
|
|
- 指定在应用控制网络之前对图像进行预处理的方法，确保图像处于最佳格式以便进行操作。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: str
|
|
## Optional
|
|
- cnet_stack
|
|
- 可选的控制网络堆栈。这允许叠加多个控制网络以实现复杂的图像转换。
|
|
- Comfy dtype: CONTROL_NET_STACK
|
|
- Python dtype: Optional[List[Tuple[Any]]]
|
|
- control_net_override
|
|
- 允许手动覆盖选定的控制网络，提供控制网络选择的灵活性。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- timestep_keyframe
|
|
- 可选地指定控制网络的关键帧，实现对图像处理过程的时间控制。
|
|
- Comfy dtype: TIMESTEP_KEYFRAME
|
|
- Python dtype: Optional[str]
|
|
- resolution
|
|
- 设置图像处理的分辨率，允许控制输出图像的细节级别。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- enabled
|
|
- 用于启用或禁用控制网络处理的标志，提供了一种简单的方法来绕过控制网络应用。
|
|
- Comfy dtype: BOOLEAN
|
|
- Python dtype: bool
|
|
|
|
# Output types
|
|
- CNET_STACK
|
|
- Comfy dtype: CONTROL_NET_STACK
|
|
- 该输出代表处理后的控制网络堆栈，可用于后续的图像处理步骤。
|
|
- Python dtype: unknown
|
|
|
|
|
|
## Usage tips
|
|
- Infra type: `CPU`
|
|
- Common nodes: unknown
|
|
|
|
|
|
## Source code
|
|
```python
|
|
class AVControlNetEfficientStacker:
|
|
controlnets = folder_paths.get_filename_list("controlnet")
|
|
preprocessors = list(control_net_preprocessors.keys())
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {
|
|
"required": {
|
|
"control_net_name": (["None", "Auto: sd15", "Auto: sdxl", "Auto: sdxl_t2i"] + s.controlnets,),
|
|
"image": ("IMAGE",),
|
|
"strength": (
|
|
"FLOAT",
|
|
{"default": 1.0, "min": 0.0, "max": 10.0, "step": 0.01},
|
|
),
|
|
"start_percent": ("FLOAT", {"default": 0.0, "min": 0.0, "max": 1.0, "step": 0.001}),
|
|
"end_percent": ("FLOAT", {"default": 1.0, "min": 0.0, "max": 1.0, "step": 0.001}),
|
|
"preprocessor": (["None"] + s.preprocessors,),
|
|
},
|
|
"optional": {
|
|
"cnet_stack": ("CONTROL_NET_STACK",),
|
|
"control_net_override": ("STRING", {"default": "None"}),
|
|
"timestep_keyframe": ("TIMESTEP_KEYFRAME",),
|
|
"resolution": ("INT", {"default": 512, "min": 64, "max": 2048, "step": 64}),
|
|
"enabled": ("BOOLEAN", {"default": True}),
|
|
},
|
|
}
|
|
|
|
RETURN_TYPES = ("CONTROL_NET_STACK",)
|
|
RETURN_NAMES = ("CNET_STACK",)
|
|
FUNCTION = "control_net_stacker"
|
|
CATEGORY = "Art Venture/Loaders"
|
|
|
|
def control_net_stacker(
|
|
self,
|
|
control_net_name: str,
|
|
image,
|
|
strength,
|
|
start_percent,
|
|
end_percent,
|
|
preprocessor,
|
|
cnet_stack=None,
|
|
control_net_override="None",
|
|
timestep_keyframe=None,
|
|
resolution=512,
|
|
enabled=True,
|
|
):
|
|
if not enabled:
|
|
return (cnet_stack,)
|
|
|
|
# If control_net_stack is None, initialize as an empty list
|
|
if cnet_stack is None:
|
|
cnet_stack = []
|
|
|
|
if control_net_name.startswith("Auto: "):
|
|
assert preprocessor != "None", "preprocessor must be set when using Auto mode"
|
|
|
|
sd_version = control_net_name[len("Auto: ") :]
|
|
control_net_name = detect_controlnet(preprocessor, sd_version)
|
|
|
|
control_net = load_controlnet(control_net_name, control_net_override, timestep_keyframe=timestep_keyframe)
|
|
|
|
# Extend the control_net_stack with the new tuple
|
|
if control_net is not None:
|
|
image = apply_preprocessor(image, preprocessor, resolution=resolution)
|
|
cnet_stack.extend([(control_net, image, strength, start_percent, end_percent)])
|
|
|
|
return (cnet_stack,)
|
|
|
|
```
|