ComfyUI-Fluxtapoz>Outverse Flux Model Pred
ComfyUI-Fluxtapoz
时间:2025/08/19

Outverse Flux Model Pred

该节点用于在 Flux 模型的反向扩散过程中修改模型的预测行为,通过自定义采样器类来改变模型对噪声的处理方式,使其能够执行反向扩散(从清晰图像到噪声)而不是正向扩散(从噪声到清晰图像)。
Outverse Flux Model Pred-节点参数说明
输入参数
model目标基础模型。用于注入 Flux 输出采样行为。
输出参数
MODEL已注入 OutFlux(或 ReverseFlux)采样逻辑的模型副本。
控件参数
max_shift最大采样偏移量。用于控制最大 token 空间变换幅度。越大越自由,建议在 1.0~2.0 区间内调节。
base_shift基础采样偏移量。当 token 数量为 256 时对应的最小 shift 值。主要用于平衡小图下的采样行为。
width输入图像的宽度。用于计算 token 总数。建议与实际生成图像分辨率保持一致。
height输入图像的高度。用于计算 token 总数。建议与实际生成图像分辨率保持一致。
reverse_ode是否使用 ReverseODE 替代 OutCONST。用于控制采样方向逻辑。若需反向采样预测效果,可启用此选项。
节点参数测评内容

模型在生成过程中对提示词的响应更加强烈,新增的特征(如通过提示词指定的修改)会更加明显,原始图像中的细节可能会丢失,生成结果会更倾向于"创造"而非"保留"

适用场景:倾向于遵循提示词而非保留原始图像特征时,增加max_shift偏移,反之减少。

所有尺寸的图像都会有更高的偏移值,对小尺寸图像的影响比大尺寸图像更显著,图像的各个部分会有更均衡的变化,过高的base_shift可能导致细节模糊

适用场景:当你希望对整个图像进行均衡的调整,特别是处理小尺寸图像时,增加base_shift 偏移,反之减少。

注意:reverse_ode在被设置为False时,Outverse Flux Model Pred节点使用OutCONST类,使用传统的DDIM公式(model_input - model_output * sigma

)去噪,在RF-Edit、RF-Iversion工作流中,model_output已经包含了注入的注意力信息,如果再通过OutCONST的公式处理会导致注意力信息被错误解释,最终产生噪点图而不是清晰图像。


广告

可加入知识星球获取所有示例工作流

广告

微信扫码入群,加入AIGC大家庭,与大家一起交流学习