LBH-123-AI/Comfyui_Minimax_h3_latent_Upscaler

何を解決するか

このプロジェクトは、Minimax H3動画生成に特化したニューラル潜在空間アップスケーラーを提供します。従来の潜在空間からピクセルにデコードし、アップスケーリングしてから再エンコードするという遅く計算コストの高いプロセスを排除します。潜在空間内で直接アップスケーリングすることで、高解像度動画生成を大幅に高速化し、基本的なバイリニアまたはバイキュービック補間で生じる通常のゴーストや二重画像アーティファクトを回避します。

仕組み

このツールは、学習済みのニューラルネットワークを使用して24チャネルのMinimax H3 VAE潜在変数の空間解像度を向上させるComfyUIノードのセットとして実装されています。2つの異なるアーキテクチャバックボーンを提供しています：

• 2Dバリアント：時間的一貫性を確保するためのTemporal 3D-Convレイヤーを備えた軽量かつ高速な2D ResBlockバックボーン。
• 3Dバリアント：より高い時間的一貫性を実現するための完全3D畳み込みバックボーン（3D ResBlocks + TemporalConv + トリリニア補間）。

両方のバリアントは1.0xから4.0xまでのスケールファクターをサポートしています。3Dノードはさらに、乗数、ターゲットサイズ、または合計メガピクセルを指定して出力サイズを設定できます。

対象ユーザー

ComfyUIでMinimax H3を使用して動画を生成し、より高い解像度を高速かつ品質損失の少ない方法で得たいユーザー。

特徴

• 学習済みアップスケーリング：約8万件のペアデータで学習されたニューラルネットワークにより、標準的な補間よりも鮮明な結果を実現。
• 2つのバックボーンオプション：高速な2Dモデルまたは時間的一貫性のある3Dモデルの選択可能。
• 柔軟なサイズ指定：3Dノードは乗数、ターゲットサイズ、メガピクセルでのスケーリングをサポートし、自動ピクセルグリッド整列を実装。
• パフォーマンス最適化：長時間の動画処理に適した時間的チャンク処理と、複数の精度レベル（fp32, fp16, bf16）およびデバイス（CUDA, ROCm, CPU）をサポート。
• プラグアンドプレイ：ComfyUIにカスタムノードとして直接統合可能。