• ホーム

Flux_Kontext_Restoration 修復

1. 高度なテキスト・画像理解（CLIPとDualCLIPLoader）
   • DualCLIPLoaderを使用して、2つの異なるテキストエンコーダ（CLIP-LとT5-XXL）を組み合わせています。
     これにより、プロンプト（例: "restore, colorize this photo..."）の意味を深く理解し、画像の修復やカラー化に必要な文脈を正確に捉えることができます。
   • テキストプロンプトから生成された条件付け（Conditioning）が、モデルに「修復すべき箇所」や「カラー化のスタイル」を指示します。
2. 参照画像を活用した修復（ReferenceLatent）
   • ReferenceLatentノードを使用して、入力画像の潜在表現（Latent）を条件付けに組み込んでいます。これにより、モデルは:
     • - 元画像の構造を保持しながら修復（例: 傷や汚れの除去）。
     • - カラー化時に元の明暗や輪郭を尊重した自然な色付けが可能になります。
3. FluxGuidanceによる制御**
   • FluxGuidanceノードで「ガイダンススケール」（例: 2.5）を調整することで、プロンプトの影響力と元画像の忠実性のバランスを最適化します。これにより:
     • 修復時にはノイズや欠損部分を自然に補完。
     • カラー化時には現実的な色調を再現できます。
4. VAEの役割**
   • VAE（Variational Autoencoder）は、画像を潜在空間にエンコード/デコードする役割を担います。Flux1 Kontextでは:
     • 高品質なVAE（`ae.safetensors`）を使用することで、修復後の画像のディテールを保持。
     • 潜在空間での編集により、非破壊的な修復やカラー化が可能です。
5. TeaCacheによる効率化
   • TeaCacheノードでモデルの推論を最適化し、計算リソースを節約しながらも、修復やカラー化の品質を維持しています。
6. プロンプト設計の効果
   • このワークフローでは、以下のような具体的なプロンプトが使用されています:
     • "(restore), colorize this photo, remove the stains, dust spots, noise,scratches..., turning it into a high quality photograph..."
   • 「修復（restore）」や「マスターピース品質」といったキーワードが、モデルに高品質な出力を促します。

Workflow

Flux_Kontext_Restoration.json

Link

SD1.5 restoration