ComfyUI – text2img
text2img – ComfyUI
Abhängigkeiten
ComfyUI – https://github.com/comfyanonymous/ComfyUI
efficiency-nodes-comfyui – https://github.com/LucianoCirino/efficiency-nodes-comfyui
SDXL Turbo Checkpoint – https://civitai.com/models/112902/dreamshaper-xl
4x-Ultrasharp – https://civitai.com/models/116225/4x-ultrasharp
efficiency-nodes-comfyui – https://github.com/LucianoCirino/efficiency-nodes-comfyui
SDXL Turbo Checkpoint – https://civitai.com/models/112902/dreamshaper-xl
4x-Ultrasharp – https://civitai.com/models/116225/4x-ultrasharp
Generation-Data
Positive Prompt:
blue rose in water,reflections,water wave,dust,grey and blue water
Latent Image:
768×1280
VAE:
Baked VAE
Steps:
6
Cfg:
2
Sampler:
dpmpp_sde_gpu
Scheduler:
Karras
Seed:
1122427656180924
Seed Upscale:
47886960728369
Analyse
GeForce RTX 3070 8GB VRAM
K-Sampler
[00:09<00:00, 1.54s/it] 6 Steps
K-Sampler Model Upscale:
[00:37<00:00, 6.26s/it] 6 Steps
[00:37<00:00, 6.26s/it] 6 Steps
Nach der initialen Erstellung des Bildes wurde ein latentes Bild erzeugt. Dieses latente Bild wurde mithilfe eines Hochskalierungsmodells mit 4x Ultra Sharp auf beeindruckende 3072×5120 Pixel hochskaliert. Aufgrund der begrenzten Ressourcen von 8 GB VRAM wurde daraufhin das Bild mittels einer bilinearen Hochskalierungsmethode auf 1536×2560 Pixel herunterskaliert. Dies ermöglichte trotz der beschränkten VRAM-Kapazität die effiziente Nutzung vorhandener Ressourcen. Anschließend wurde unter Verwendung eines k-Samplers und einer Denoise-Einstellung von 0,3 ein neues Bild generiert. Dieser Prozess erlaubte nicht nur die Maximierung der Details, sondern auch die Anpassung an die limitierten Ressourcen, um dennoch ein beeindruckendes und ressourcenschonendes Ergebnis zu erzielen.
768x1280
1536x2560 Latent Model Upscale
