wildminder/ComfyUI-DyPE

ComfyUI‑DyPE – ComfyUI用高解像度ディフュージョン

概要 – ビジュアルプログラミングUI ComfyUI 用のカスタムノード集で、最新のディフュージョントランスフォーマーモデル（Flux、Qwen‑Image、Z‑Image、Anima/Cosmos、Krea‑2など）を再トレーニングせずに超高解像度（2K、4K以上）に引き上げることができます。

仕組み – このノードは、推論時にモデルの位置エンコーディングまたはアテンションパターンを変更するトレーニングフリーパッチを実装しています。

• DyPE – Dynamic Position Extrapolation。RoPEをオンザフライで調整し、モデルがより大きなキャンバスにアテンションできるようにします。
• SEGA – Spectral‑Energy Guided Attention。周波数ベースのシャープニングの代替。
• SPA / HAP – HRDiTベースのパッチで、空間的な乱れを修正したり、速度向上のためにアテンションヘッドを刈り込んだりします。
• PixelRush、FreeScale、HiFlow、I‑Max – ベース解像度の画像/潜在変数から開始し、段階的に精緻化するカスケード方式のアップスケーラー。 すべてのノードはドロップインです。ComfyUIグラフのモデルローダーの後にノードを配置し、ターゲットの幅/高さを設定し、通常のKSampler（またはカスケード固有の入力）に接続します。

主な特徴

• マルチアーキテクチャ対応 – Flux（量子化されたNunchakuバリアントを含む）、Qwen‑Image 1.0 & 2.1、Krea‑2、Z‑Image、Anima/Cosmos、さらにはカスケードノードを介してクラシックなSDXL/SD1.5でも動作します。
• 再トレーニング不要 – 追加のチェックポイントやファインチューニングは不要。パッチは実行時に適用されます。
• シングルノード統合 – 各メソッドは単一のComfyUIノードで、組み合わせて使用できます（例：品質向上のためのDyPE + SPA、速度向上のためのDyPE + HAP）。
• 高解像度出力 – 最大4096×4096ピクセル以上で実証済み。
• 低オーバーヘッド – DyPE/SEGAはコストをほぼ追加しません。SPAは4Kでの推論時間を約1.3〜1.8倍に増加。HAPはスコーププランを使用すると2〜5倍の高速化が可能です。

各ノードの使用時期

目的	推奨ノード
ノイズから直接4Kで生成	DyPE（またはSEGA） – モデルと視覚的嗜好に基づいてメソッド（vision_yarn、yarn、ntkなど）を選択。
スケーリング時に現れる繰り返し構造を修正	SPA (HRDiT) – 安価な空間アライメントパスを追加。
高解像度サンプリングの高速化	HAP (HRDiT) – 事前調整されたスコーププラン（Flux用に提供）を使用するか、独自に調整します。
構成を維持しながら既存画像をアップスケール	PixelRush – パッチ単位のカスケードリファインメント。
ソース画像なしの完全自動アップスケール	FreeScale – スケール融合アテンションによるセルフカスケード。
フローベースモデル（Flux、Qwen‑Imageなど）のアップスケールで構造を保持	HiFlow – 低解像度の拡散軌跡をガイダンスとして再利用。
Flux/Z‑Imageのデュアルパス高解像度	I‑Max – 低解像度パスが別の高解像度パスをガイド。

はじめに

1. ComfyUIをインストールします（まだの場合）。
2. リポジトリをComfyUI/custom_nodes/にクローンします。

   cd path/to/ComfyUI/custom_nodes
   git clone https://github.com/wildminder/ComfyUI-DyPE.git
   

3. ComfyUIを再起動 – 新しいノードがWMNodes → imageに表示されます。
4. シンプルなグラフを作成：Load Model → DyPE → KSampler → VAE Decode。
5. width/heightを希望の高解像度（例：4096×4096）に設定し、methodを選択します（READMEでは安全なデフォルトとしてvision_yarnを推奨）。
6. ワークフローを実行します。 オプション: 重複パターンに気づいた場合はDyPEの後にSPAを追加、スピード向上にはHAPを追加。

制限事項と注意点

• パッチはモデル固有です。一部のノード（例：HAP）はすべてのアーキテクチャ（Nunchaku、Qwen‑Image 2.1など）でサポートされていません。
• Qwen‑Image 2.1はアルファチャンネル付きの16×VAEを使用します。カスケードノードはアルファチャンネルをドロップし、警告をログに記録します。
• DyPE/SEGAは正しいmodel_typeの選択が必要です。自動検出はほとんどの場合機能しますが、エッジケースでは手動オーバーライド（flux、qwen21など）が必要になる場合があります。
• 高解像度の実行には十分なGPU VRAMが必要です。カスケードノードはパッチを処理することでメモリを一定に保ちますが、ベースモデルはフル潜在サイズを占有します。
• SPAとDyPE/SEGAは同時に使用できません – 相互に排他的です。

さらに学ぶには

• READMEにリンクされている元の論文（DyPE、HRDiT、FreeScale、HiFlow）が基礎となるアルゴリズムを説明しています。
• ComfyUIの各ノードのツールチップにパラメータの完全なリストが表示されます。READMEは推奨デフォルトとチューニングのヒントを提供します。
• カスタム高速化プランについては、calibration/calibrate_hap.pyスクリプトを参照してください。

---

ComfyUI‑DyPE は、ComfyUIのビジュアルワークフローパラダイムの中で、最新のディフュージョントランスフォーマーで4K以上の画像を生成したい人にとって実用的なツールボックスです。