ComfyUI/InvokeAI - SDXL 32fp - Linux Debian - Символ звезды - Процесс создания - Часть 2 (Итог)
0:00 Анализ измененного промта. Удалось добиться появления следа (шлейфа) от символа, сохранив при этом высокую вариабельность выдачи и избежав деградации модели. Объясняю, почему на некоторых этапах не стоит зацикливаться на локальных ошибках, а нужно двигаться дальше к общей задаче. Такой подход позволяет выстроить цельную картинку, где частные недочеты растворяются в общей правильной композиции. 4:40 Ньюансы работы с разрешением в SDXL (32fp). Как аккуратно масштабировать базовый квадрат 1024x1024, используя шаг в 64 пикселя. Удержание общего разрешения в пределах 1MP. Переходить к высоким разрешениям стоит только на отработанном промте, когда структура кадра уже полностью стабилизирована. Лайфхак ComfyUI: как использовать поля ввода данных, как калькулятор, складывая и вычитая значения прямо в интерфейсе. 6:43 Возвращаемся к работе с промтом и проблемам с отрисовкой и стыковкой звезды и её шлейфа. Я демонстрирую первые успешные результаты, где удалось совместить эти элементы, и объясняю механику метода img-to-img в ComfyUI. Использование этого метода помогает «закрепить» нужную композицию и удержать её структуру, не давая нейросети разрушить общую эстетику кадра при внесении правок. Параллельно я провожу глубокий анализ логики отрисовки нейросети, наглядно объясняя причинно-следственные связи: почему SDXL выбирает именно такие формы и как её внутренние алгоритмы интерпретируют наш запрос. Это понимание помогает не бороться с моделью, а использовать её особенности для достижения предсказуемого результата. 12:37 Лучшие результаты на текущем этапе и детальный анализ причин, по которым нейросеть игнорирует смайлик, несмотря на четкие указания в промте. Предлагаю эффективные методики решения проблемы: от ручной подрисовки до использования зонированного промта с масками. 16:25 В этом фрагменте я делюсь уникальной фишкой: использованием кастомного шума, сгенерированного в GIMP с помощью фильтра «Бросок пикселей» с последующим увеличением и размытием. Такой подход работает значительно эффективнее стандартного Empty Latent Image в ComfyUI. Замена нативного латента дает принципиально иной уровень контроля над вариабельностью и непредсказуемостью при работе с SDXL, позволяя задавать уникальный сид исходного шума. 21:14 Редактированию удачного примера в GIMP. Я меняю направление полета звезды и её шлейфа с помощью отражения и вращения изображения. 23:05 Пример операции кадрирования изображения в Comfyui. 25:00 Продолжение работы с генерацией целевого изображения, анализ результатов и работа над промтом. 30:30 Демонстрация слайдшоу из отобранных лучших промежуточных результатов работ генерации SDXL. 32:07 Использование масок промта для точечного управления зонами генерации. Процесс создания и настройки Subgraph, вывод данных на внешний узел через функцию promote. Разбор узлов: Conditioning Combine, Conditioning Set Mask, преобразование маски в Image и обратно, масштабирование, размытие изображения. Анализируем влияние параметров Sigma и Upscale на итоговый результат, разбираем различие параметров mask bounds и default в маске промта. Подбора весовых коэффициентов внутри маскированного промта. Доведение изображения к конечному результату. 52:11 Переход к работе с целевым разрешением изображения 832х1344. Анализ нового переработанного промта. Демонстрация новый отобранных лучших результатов генерации за этапы. 1:01:44 Анализ лучших вариантов. Разбор техники Inpaint в ComfyUI и InvokeAI. Пример бага Сomfyui при использовании inpaint по маске и способа решения этой проблемы с использованием экспериментальных узлов загрузки и схоранения latent. Еще один бонус: рассмотрение уникального экспериментального узла установления диапазога временных шагов кондицинирования, который позволяет подключать зону промта только в определенный процент генерации и завершать тоже. Получение итоговых результатов и завершение разработки символа звезды. Используемое оборудование: Linux Debian Testing NVIDIA GeForce RTX 2060 GDDR6 12Gb overclocked edition, nvidia-driver version 590.48.01-1, 6×Intel Core i5-8400 CPU @2.80GHz, 15,5 ГиБ ОЗУ, Для файла подкачки и буферных данных: NVMe M.2 PCI-E V-NAND SSD Samsung 970 EVO Plus: read 3500 MB/s, write 3200 MB/s. Для хранения основных файлов и баз нейросетей: SSD CUSU C300. Дисклеймер: Данное видео носит исключительно образовательный и развлекательный характер. Использование ИИ-инструментов Google осуществляется в рамках добросовестного использования для анализа открытых данных. Автор не несет ответственности за интерпретацию полученных изображений и их дальнейшее использование зрителями. #ComfyUI #StableDiffusionXL #SDXL #Нейросети #Inpaint #Img2Img #GIMP #ConditioningSetMask #TimestepConditioning #RegionalPrompting #МаскированиеПромпта #Workflow #Latent #ГенерацияИзображений #AIArt #УрокиComfyUI #ДетализацияНейросетью #СозданиеГрафики #ДизайнСимволов #МаскиПромпта #DeepLearning #GenerativeAI #InvokeAI #AIArtCommunity #ЦифровойРисунок #ГенерацияСимволики #ТехнологииИИ #УрокиStableDiffusion
0:00 Анализ измененного промта. Удалось добиться появления следа (шлейфа) от символа, сохранив при этом высокую вариабельность выдачи и избежав деградации модели. Объясняю, почему на некоторых этапах не стоит зацикливаться на локальных ошибках, а нужно двигаться дальше к общей задаче. Такой подход позволяет выстроить цельную картинку, где частные недочеты растворяются в общей правильной композиции. 4:40 Ньюансы работы с разрешением в SDXL (32fp). Как аккуратно масштабировать базовый квадрат 1024x1024, используя шаг в 64 пикселя. Удержание общего разрешения в пределах 1MP. Переходить к высоким разрешениям стоит только на отработанном промте, когда структура кадра уже полностью стабилизирована. Лайфхак ComfyUI: как использовать поля ввода данных, как калькулятор, складывая и вычитая значения прямо в интерфейсе. 6:43 Возвращаемся к работе с промтом и проблемам с отрисовкой и стыковкой звезды и её шлейфа. Я демонстрирую первые успешные результаты, где удалось совместить эти элементы, и объясняю механику метода img-to-img в ComfyUI. Использование этого метода помогает «закрепить» нужную композицию и удержать её структуру, не давая нейросети разрушить общую эстетику кадра при внесении правок. Параллельно я провожу глубокий анализ логики отрисовки нейросети, наглядно объясняя причинно-следственные связи: почему SDXL выбирает именно такие формы и как её внутренние алгоритмы интерпретируют наш запрос. Это понимание помогает не бороться с моделью, а использовать её особенности для достижения предсказуемого результата. 12:37 Лучшие результаты на текущем этапе и детальный анализ причин, по которым нейросеть игнорирует смайлик, несмотря на четкие указания в промте. Предлагаю эффективные методики решения проблемы: от ручной подрисовки до использования зонированного промта с масками. 16:25 В этом фрагменте я делюсь уникальной фишкой: использованием кастомного шума, сгенерированного в GIMP с помощью фильтра «Бросок пикселей» с последующим увеличением и размытием. Такой подход работает значительно эффективнее стандартного Empty Latent Image в ComfyUI. Замена нативного латента дает принципиально иной уровень контроля над вариабельностью и непредсказуемостью при работе с SDXL, позволяя задавать уникальный сид исходного шума. 21:14 Редактированию удачного примера в GIMP. Я меняю направление полета звезды и её шлейфа с помощью отражения и вращения изображения. 23:05 Пример операции кадрирования изображения в Comfyui. 25:00 Продолжение работы с генерацией целевого изображения, анализ результатов и работа над промтом. 30:30 Демонстрация слайдшоу из отобранных лучших промежуточных результатов работ генерации SDXL. 32:07 Использование масок промта для точечного управления зонами генерации. Процесс создания и настройки Subgraph, вывод данных на внешний узел через функцию promote. Разбор узлов: Conditioning Combine, Conditioning Set Mask, преобразование маски в Image и обратно, масштабирование, размытие изображения. Анализируем влияние параметров Sigma и Upscale на итоговый результат, разбираем различие параметров mask bounds и default в маске промта. Подбора весовых коэффициентов внутри маскированного промта. Доведение изображения к конечному результату. 52:11 Переход к работе с целевым разрешением изображения 832х1344. Анализ нового переработанного промта. Демонстрация новый отобранных лучших результатов генерации за этапы. 1:01:44 Анализ лучших вариантов. Разбор техники Inpaint в ComfyUI и InvokeAI. Пример бага Сomfyui при использовании inpaint по маске и способа решения этой проблемы с использованием экспериментальных узлов загрузки и схоранения latent. Еще один бонус: рассмотрение уникального экспериментального узла установления диапазога временных шагов кондицинирования, который позволяет подключать зону промта только в определенный процент генерации и завершать тоже. Получение итоговых результатов и завершение разработки символа звезды. Используемое оборудование: Linux Debian Testing NVIDIA GeForce RTX 2060 GDDR6 12Gb overclocked edition, nvidia-driver version 590.48.01-1, 6×Intel Core i5-8400 CPU @2.80GHz, 15,5 ГиБ ОЗУ, Для файла подкачки и буферных данных: NVMe M.2 PCI-E V-NAND SSD Samsung 970 EVO Plus: read 3500 MB/s, write 3200 MB/s. Для хранения основных файлов и баз нейросетей: SSD CUSU C300. Дисклеймер: Данное видео носит исключительно образовательный и развлекательный характер. Использование ИИ-инструментов Google осуществляется в рамках добросовестного использования для анализа открытых данных. Автор не несет ответственности за интерпретацию полученных изображений и их дальнейшее использование зрителями. #ComfyUI #StableDiffusionXL #SDXL #Нейросети #Inpaint #Img2Img #GIMP #ConditioningSetMask #TimestepConditioning #RegionalPrompting #МаскированиеПромпта #Workflow #Latent #ГенерацияИзображений #AIArt #УрокиComfyUI #ДетализацияНейросетью #СозданиеГрафики #ДизайнСимволов #МаскиПромпта #DeepLearning #GenerativeAI #InvokeAI #AIArtCommunity #ЦифровойРисунок #ГенерацияСимволики #ТехнологииИИ #УрокиStableDiffusion