wildminder/ComfyUI-DyPE

解决的问题

ComfyUI-DyPE 提供无需训练的方法，使用 Diffusion Transformers (DiT) 生成超高清分辨率（4K 及以上）图像。它可防止在将预训练模型推至远超其原始训练分辨率时常见的高分辨率问题，如空间错乱（重复或坍塌的结构）和伪影。

工作原理

该项目实现了多种高级补丁技术，可插入 ComfyUI 工作流中模型加载器之后：

• 动态位置外推 (DyPE): 在去噪过程中调整位置编码，早期处理低频结构，后期处理细节。
• 空间位置对齐 (SPA): 通过捆绑标记位置并平均多个变体的注意力输出来修复空间错乱。
• 头自适应注意力剪枝 (HAP): 基于预校准的范围计划使用块稀疏注意力，加速推理，降低高分辨率注意力的计算负载。
• SEGA: 基于潜在空间的频率谱进行内容感知的频谱锐化。
• PixelRush & FreeScale: 提供基于级联的精炼和尺度融合注意力，用于放大现有图像或在更高分辨率下生成图像。

适用人群

使用 ComfyUI 且希望使用 FLUX、Qwen Image、Z-Image、Anima/Cosmos 等模型生成高保真 4K+ 图像，而无需重新训练模型的数字艺术家和 AI 研究人员。

主要亮点

• 多架构支持： 支持 FLUX、Nunchaku、Qwen Image、Krea-2、Z-Image 和 Anima/Cosmos。
• 无需训练： 无需重新训练或复杂的工作流更改；只需通过单个节点对模型进行补丁即可。
• 高分辨率能力： 支持 4096×4096 及以上分辨率生成。
• 推理加速： HAP 在 4K 分辨率下可实现最高 5.5 倍的注意力速度提升。
• 零开销： 多数调整实时进行，对性能影响可忽略不计。