60 lines
2.7 KiB
Markdown
60 lines
2.7 KiB
Markdown
# Documentation
|
|
- Class name: StableCascade_SuperResolutionControlnet
|
|
- Category: _for_testing/stable_cascade
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
|
|
|
StableCascade_SuperResolutionControlnet节点旨在通过稳定的级联方法提高图像分辨率。它利用变分自编码器（VAE）对输入图像进行编码，并生成用于超分辨率的控制信号。此过程旨在放大图像的同时保持其完整性和细节。
|
|
|
|
# Input types
|
|
## Required
|
|
- image
|
|
- 输入图像是节点的一个基本参数，因为它是用于超分辨率处理的原始数据。其质量和分辨率直接影响节点的输出，决定了最终增强图像的清晰度和细节。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- vae
|
|
- VAE参数对于节点的运行至关重要，因为它提供了生成控制信号所需的编码机制。VAE的选择和配置可以显著影响节点有效放大图像的能力。
|
|
- Comfy dtype: VAE
|
|
- Python dtype: torch.nn.Module
|
|
|
|
# Output types
|
|
- controlnet_input
|
|
- controlnet_input是输入图像的加工版本，已经编码并为超分辨率控制网络准备就绪。这是一个关键的中间步骤，有助于生成高质量的放大图像。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- stage_c
|
|
- stage_c输出代表了一个粗略级别的潜在表示，这是超分辨率过程中的关键组成部分。它捕获了图像的更广泛特征，并用于指导向上扩展到更高分辨率。
|
|
- Comfy dtype: LATENT
|
|
- Python dtype: Dict[str, torch.Tensor]
|
|
- stage_b
|
|
- stage_b输出表示了一个更细粒度级别的潜在表示，这对于向放大图像添加细节至关重要。它确保最终图像在超分辨率过程后保留了复杂的细节和纹理。
|
|
- Comfy dtype: LATENT
|
|
- Python dtype: Dict[str, torch.Tensor]
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class StableCascade_SuperResolutionControlnet:
|
|
|
|
def __init__(self, device='cpu'):
|
|
self.device = device
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'image': ('IMAGE',), 'vae': ('VAE',)}}
|
|
RETURN_TYPES = ('IMAGE', 'LATENT', 'LATENT')
|
|
RETURN_NAMES = ('controlnet_input', 'stage_c', 'stage_b')
|
|
FUNCTION = 'generate'
|
|
CATEGORY = '_for_testing/stable_cascade'
|
|
|
|
def generate(self, image, vae):
|
|
width = image.shape[-2]
|
|
height = image.shape[-3]
|
|
batch_size = image.shape[0]
|
|
controlnet_input = vae.encode(image[:, :, :, :3]).movedim(1, -1)
|
|
c_latent = torch.zeros([batch_size, 16, height // 16, width // 16])
|
|
b_latent = torch.zeros([batch_size, 4, height // 2, width // 2])
|
|
return (controlnet_input, {'samples': c_latent}, {'samples': b_latent})
|
|
``` |