Identity Feature Transfer를 업데이트하여 노드를 쌓거나 연결(chained)할 필요가 없도록 개선했습니다.

Reddit이 사진을 압축하기 때문에 워크플로우(wf)의 더 선명한 스크린샷을 제공합니다.

이제 워크플로우가 더 간단해졌습니다:

• 여러 참조 이미지를 위해 Multi ReferenceLatent를 사용하세요.
• 정체성 추출(identity pull)을 위해 Identity Feature Transfer Final을 사용하세요.
• 마스크(mask)를 사용하는 경우, 각 마스크를 노드의 일치하는 마스크 입력에 직접 연결하세요.
  • subject_mask_1 = 참조 1을 위한 마스크
  • subject_mask_2 = 참조 2를 위한 마스크
  • 기타 등등

노드가 내부적으로 다중 참조(multi-reference) 설정을 처리하므로, 더 이상 각 참조마다 여러 개의 정체성 노드를 쌓을 필요가 없습니다.

프리셋(Presets)은 이전 버전과 유사하게 여전히 사용할 수 있습니다.

사용자 정의 튜닝을 위한 두 가지 주요 조절 값(knobs)은 다음과 같습니다:

• Temperature (온도)
• Similarity (유사도)

Temperature는 정체성 강도(identity-strength)를 제어하는 주요 요소입니다. 낮은 Temperature는 더 강력하고 직접적인 1:1 정체성 추출을 제공합니다.

Similarity는 리파이너(refiner)/필터(filter)와 유사하게 작동합니다. 노드가 참조에서 정보를 가져오기 전에 매칭이 얼마나 선택적이어야 하는지를 제어합니다.

실제 적용 시:

• 낮은 Temperature = 더 강력한 정체성 / 더 충실한 매칭
• 높은 Temperature = 더 부드럽고 느슨한 정체성 영향
• 낮은 Similarity = 더 많은 참조 매칭 허용
• 높은 Similarity = 더 엄격한 매칭, 더 선택적인 추출

예시 워크플로우 (example workflow)

또한 참고로 말씀드리자면, 이 최종 버전은 추출 방식 측면에서 약간 다른 기술을 사용하므로 1:1 매칭이 가능하지만, 이를 달성하기 위해서는 충분히 주의를 기울여야 합니다.

맥락 파악을 위한 이전 게시물:
multi ref latent

Iden transfer v3