ComfyUI에 대한 영역 기반 LoRA 조절 래퍼 및 LoRA 예약 노드.
- ✨ 특징
- 📦 설치
- ✅ 권장 설정(다영역/다주제)
- 🔧 노드
- 🧩 선택적 종속성
- 🧭 다중 영역 예시 워크플로
- 🖼️ 갤러리
- 💙 자금 및 지원
- 📄 라이센스
- 다중 주제 및 다중 지역 프롬프트를 위한 영역 기반 컨디셔닝 파이프라인입니다.
- 곡선 미리보기 출력을 통해 1노드 예약 LoRA 강도 제어.
- 여러 영역에 걸쳐 일관된 다중 주제 구성을 위해서는 comfyui-openpose-studio를 통해 ControlNet + OpenPose을 강력히 권장합니다.
- ControlNet/OpenPose이 없으면 다중 주제 다중 영역 구성이 종종 일관성이 없으며 많은 재시도가 필요할 수 있습니다.
- Python 전용: JavaScript 또는 프런트엔드 종속성이 필요하지 않습니다.
- ComfyUI (최근 빌드)
- Python 3.10+
- 선택적 노드별 deps:
matplotlib
- 이 저장소를
ComfyUI/custom_nodes/에 복제하세요. - ComfyUI을(를) 다시 시작하세요.
LoRA Pipeline/아래에 노드가 나타나는지 확인합니다.
- ControlNet OpenPose 사용(권장): comfyui-openpose-studio.
- 전역 프롬프트를 최소화하고 일반화하세요.
global_strength을 낮게 유지하십시오(경험 법칙:0.5미만).- 영역별 강도,
global_strength및 LoRA 강도의 균형을 맞춥니다. 모든 강점을 최대화하지 마십시오. - 잘 작동한 기준선 값의 예:
0.75주변의 영역 강도,0.90주변의 LoRA 강도.
| Conditioning Pipeline (Combine) | Conditioning Pipeline (Set Area) | Load LoRA (Scheduled) |
|---|---|---|
 |
 |
 |
한 번에 하나의 영역 조건 항목을 정의하십시오. 이 노드는 너비, 높이, x, y가 있는 직사각형 영역을 정의한 다음 연결된 조절 파이프라인의 일부로 해당 영역에 전용 조절 프롬프트와 강도를 적용합니다.
한눈에 보기:
- 지역/주제 프롬프트당 하나의 노드 인스턴스를 사용합니다.
- 여러 인스턴스를 연결하여 지역 조절 파이프라인을 구축합니다.
- 최종 결합 전에 다중 피사체를 깔끔하게 제어할 수 있습니다.
입력:
conditioning(CONDITIONING, 필수)width,height,x,y(FLOAT, 정규화된0.0-1.0)strength(FLOAT, 기본값1.0)pipeline_in(CONDITIONING_PIPELINE, 선택사항)
출력:
pipeline_out(CONDITIONING_PIPELINE)
행동 참고사항:
pipeline_in이 연결되지 않은 경우 새 파이프라인을 생성합니다.pipeline_in이 연결되면 새 지역 항목을 추가합니다.- 예측 가능한 지역 스택을 구축할 수 있도록 항목 순서를 유지합니다.
- 영역 강도가 낮을수록 전반적인 이미지 품질이 향상되는 경우가 많지만 영역별 제어 권한이 줄어듭니다.
- global_strength 및 Create Hook Lora의 LoRA 강도와 함께 영역 강도의 균형을 맞춥니다.
일반적인 실수:
- 정규화된
0.0-1.0값 대신 픽셀 좌표를 제공합니다. 0근처에width/height을(를) 설정하고 눈에 띄는 효과를 기대합니다.- 최종 파이프라인을
Conditioning Pipeline (Combine)에 전달하는 것을 잊어버렸습니다.
지역 인식 출력을 위해 전역 포지티브/네거티브 조건을 영역 파이프라인과 결합합니다. Set Area와 함께 이는 다중 LoRAs 및 주제/구역별 별도의 조건을 위한 핵심 경로입니다.
한눈에 보기:
- 지역 파이프라인을 최종 긍정적/부정적 출력으로 변환합니다.
- 로컬 지역 제어를 추가하는 동안 전역 프롬프트 컨텍스트를 유지합니다.
입력:
global_positive(CONDITIONING, 필수)global_negative(CONDITIONING, 필수)pipeline(CONDITIONING_PIPELINE, 필수)global_strength(FLOAT, 기본값0.3)
출력:
positive_out(CONDITIONING)negative_out(CONDITIONING)areas_out(CONDITIONING_AREAS)
areas_out 세부사항:
areas_out은 구성된 영역 목록을 구조화된 데이터 출력으로 노출합니다. 각 항목에는 Conditioning Pipeline (Set Area)를 통해 파이프라인에서 정의된 정규화된 좌표(x, y, width, height)와 strength가 포함됩니다. areas_out을 ComfyUI-OpenPose-Studio에 연결하면 조건화 영역을 OpenPose 편집기에 자동으로 미러링할 수 있습니다. 포즈 배치는 조건화한 정확한 영역에 맞게 정렬됩니다. 이 출력은 마스크 생성 또는 영역 인식 다운스트림 처리를 위한 영역 메타데이터를 허용하는 다른 확장 또는 노드에서도 사용할 수 있습니다.
행동 참고사항:
- 파이프라인이 비어 있거나 유효하지 않은 경우 출력은 전역 입력으로 대체되고
areas_out은 빈 목록이 됩니다. - 지역 항목을 적용한 다음, 발견되지 않은 지역에 대한 기본 통합 패스를 적용합니다.
global_strength은 글로벌 컨텍스트가 로컬 영역과 얼마나 강력하게 경쟁하는지 제어합니다.- global_strength을(를) 너무 높이면 영역별 조정 영향이 줄어들고 이미지 품질에 부정적인 영향을 미칠 수 있습니다.
- 좋은 결과는 일반적으로 모든 값을 최대화하기보다는 글로벌 강점과 지역별 강점 및 LoRA 강점의 균형을 맞추는 것에서 나옵니다.
일반적인 실수:
- 양성 및 음성 둘 다 대신 하나의 조건화 스트림만 공급합니다.
global_strength을 과도하게 구동하고 영역 세부 사항을 유실합니다.- 영역 항목을 작성했지만 결합된 출력을 샘플러 경로에 연결하는 것을 잊어버렸습니다.
하나의 깨끗한 노드에서 일정한 강도 또는 확산 진행에 대한 예정된 곡선으로 하나의 LoRA을 적용합니다.
한눈에 보기:
- 여러 네이티브 LoRA/control 노드의 지저분한 체인을 대체합니다.
- 타이밍, 보간 및 미리보기를 함께 유지합니다.
- 일시적인 LoRA 동작에 대한 더욱 깔끔한 그래프 연결.
입력:
model(MODEL, 필수)clip(CLIP, 필수)lora_name(STRING, 필수)strength_start,strength_end(FLOAT)interpolation(STRING:linear,ease_in,ease_out,ease_in_out)start_percent,end_percent(FLOAT,0.0-1.0)keyframes_count(INT, 기본값4)apply_to_conds(BOOLEAN, 선택사항)
출력:
model(MODEL)clip(CLIP)curve_preview(IMAGE)
행동 참고사항:
lora_name이None인 경우 모델/클립 패스스루 및 미리 보기는 계속 렌더링됩니다.- 시작 강도와 끝 강도가 일치하면 상수 LoRA 애플리케이션처럼 작동합니다.
- 곡선 미리보기는 전체 렌더링 전에 타이밍을 빠르게 확인하는 데 도움이 됩니다.
일반적인 실수:
curve_preview을(를) 사용할 때matplotlib을(를) 잊어버리는 중입니다.- 샘플러 타이밍 의도와 일치하지 않는 일정 창을 사용합니다.
- 이 노드가
CONDITIONING을(를) 직접 출력할 것으로 예상됩니다.
ComfyUI에서 사용하는 것과 동일한 Python 환경에 필요한 것만 설치하세요.
ScheduledLoRALoader곡선 미리보기:python -m pip install matplotlib
이 워크플로 이미지를 ComfyUI에 끌어다 놓아 전체 그래프를 가져오거나 로드할 수 있습니다.
- 기본
Create Hook Lora을 사용하여 하나의 LoRA을 로드하고 영역 1에 대한 영역 프롬프트/조건을 정의합니다. - 해당 조건을
Conditioning Pipeline (Set Area)에 연결하고 해당 지역에 대해width,height,x,y및strength를 설정합니다.
- 똑같은 패턴을 반복하세요. 또 다른
Create Hook Lora+ 또 다른Conditioning Pipeline (Set Area). - 추가 영역에 대해 이 패턴을 계속 반복할 수 있습니다.
- 영역 1에서 영역 2로
pipeline_out을 연결합니다(연결된 파이프라인 항목). - 마지막 영역의
pipeline_out을(를)Conditioning Pipeline (Combine)로 보내면 영역 파이프라인을 전역 조건과 병합합니다. - 결합된 출력을
KSampler로 직접 라우팅하거나ControlNet로 라우팅합니다. 이 예에서는ControlNet로 라우팅됩니다.
- OpenPose/ControlNet은 일반적으로 선택 사항이지만 이 특정 다중 주제, 다중 영역 구성 작업 흐름의 경우 일관된 구성을 위해 적극 권장됩니다.
- 동일한 작성자(최신 저장소)의 comfyui-openpose-studio을 참조하세요.
전역 스타일링은 영역별 조절에 추가로(또는 대신) 전체 이미지에 Styler Pipeline을 한 번 적용하는 것을 의미합니다.
- 일반 규칙:
KSampler앞에Styler Pipeline을 연결합니다. - ControlNet을 사용하는 경우
Styler Pipeline은(는) ControlNet을 적용하기 전이나 ControlNet을 적용한 후에 연결할 수 있습니다. - 실제로 결과는 일반적으로 동일하므로 그래프에서 더 편리한 배치를 선택하십시오.
global_strength을 너무 많이 늘리면 영역별 조절의 상대적 영향이 줄어들고 영역별 LoRA/스타일 정체성이 약화될 수 있습니다.- 전역 강도가 높을수록 이미지 품질에 부정적인 영향을 미칠 수도 있습니다.
global_strength을 낮게 유지하고 전역 프롬프트를 최소/일반으로 유지하세요.- 경험 법칙: 일반적으로
0.5미만의 값을 사용하고(최대0.5까지 테스트됨) 일반 지침 이상의 전역 조건에 의존하지 마십시오. - LoRA 강도를 낮추면 LoRA 정체성이나 문자 충실도가 감소하는 경향이 있는 반면, 영역 강도를 낮추면 영역별 제어가 감소하는 경향이 있습니다.
- 결합된 강도가 높으면 이미지 품질이 저하될 수 있으므로 모든 것을 최대로 설정하는 것은 권장되지 않습니다. 이는 서로 다른 작성자의 LoRA을 혼합할 때 특히 그렇습니다. 이로 인해 일관되지 않은 품질이 생성될 수 있습니다.
- 다중 문자 LoRA에 대한 경험 법칙: 가능하면 동일한 작성자의 LoRA을 사용하거나 보다 일관된 결합 결과를 위해 유사한 교육 접근 방식을 사용하십시오.
| 미리보기 | 설명 |
|---|---|
 |
Conditioning Pipeline — ControlNet OpenPose를 사용한 다중 영역 ControlNet OpenPose를 사용하여 LoRA bleeding 없이 여러 LoRA가 있는 다중 수직 영역을 보여줍니다. comfyui-openpose-studio이 필요합니다. |
 |
컨디셔닝 파이프라인 — ControlNet 및 스타일링을 사용한 다중 영역 각 영역에 독립적으로 적용되는 영역별 스타일을 사용하여 다중 영역 및 다중 LoRA을 보여줍니다. comfyui-openpose-studio 및 comfyui-styler-pipeline이 필요합니다. 이 워크플로에서는 다음을 사용합니다. 영역별 스타일링. 즉, 각 영역에는 개별적으로 구성된 고유한 스타일이 있습니다. ControlNet 바로 앞에 Styler 노드를 연결하면 전역 스타일링도 가능합니다. |
여러 conditioning area, OpenPose, ControlNet, Styler를 모두 동시에 사용하는 workflow는 이 포스트에서 확인할 수 있습니다.
이 플러그인은 디버깅, 테스트 및 삶의 질 향상 속도를 높이기 위해 유료 AI 에이전트를 정기적으로 사용하여 독립적으로 개발 및 유지 관리됩니다. 유용하다고 판단되면 재정 지원을 통해 개발이 꾸준히 진행되도록 돕습니다.
귀하의 기여가 도움이 됩니다:
- 더 빠른 수정과 새로운 기능을 위해 AI 도구에 자금을 지원하세요
- ComfyUI 업데이트 전반에 걸쳐 지속적인 유지 관리 및 호환성 작업을 다룹니다.
- 사용 제한에 도달할 때 개발 속도 저하 방지
Tip
기부하지 않나요? GitHub 스타 ⭐는 여전히 가시성을 향상하고 더 많은 사용자를 지원함으로써 많은 도움을 줍니다.
스캔을 선호하시나요? QR 코드 표시
Ko-fi
|
PayPal
|
USDC (Arbitrum) 
|
USDC 주소 표시
0xe36a336fC6cc9Daae657b4A380dA492AB9601e73
[!WARNING] USDC는 Arbitrum One에만 전송하세요. 다른 네트워크를 통해 전송된 경우 도착하지 않으며 영구적으로 손실될 수 있습니다.
MIT 라이선스 - 전문은 LICENSE을 참조하세요.
관리자: andreszs 상태: 활성 개발 중