【closerAI ComfyUI】AI绘画界新技术RF Inversion图像编辑和风格迁移！能跟ipadapter争高低吗？

AI绘画界新技术RF Inversion图像编辑和风格迁移！能跟ipadapter争高低吗？

在人工智能绘画领域，技术的创新永不止步。closerAI ComfyUI最近推出了一项名为RF Inversion的新技术，它能够进行图像编辑和风格迁移，为艺术家和设计师提供更多创作的可能性。这项技术的出现，不禁让人好奇，它能否与目前市场上的热门工具ipadapter一较高下呢？

RF Inversion技术是一种创新的图像处理方法，它能够将一张图片的风格应用到另一张图片上，同时保持原始图像的内容不变。这种技术不仅能够帮助艺术家们快速实现他们的创意，还能够为设计师提供更多的设计灵感和可能性。

ipadapter是目前市场上非常受欢迎的一款图像编辑和风格迁移工具，它以其强大的功能和易用性受到了许多用户的好评。然而，RF Inversion技术的出现，无疑为这个市场带来了新的竞争。虽然ipadapter在功能和用户体验方面有着出色的表现，但RF Inversion技术在某些方面可能更胜一筹。

RF Inversion是一种非常高效的图像编辑技术，它的最大特点是“零样本反演和编辑”。这意味着你不需要大量的训练数据，就能直接对图像进行各种编辑，比如风格迁移。听起来是不是很神奇？

RF Inversion是怎么工作的？

简单来说，RF Inversion基于一种叫做随机微分方程（SDE）的技术。你可以把它想象成一个数学公式，这个公式能帮你把图像中的某些部分去掉或者替换掉，同时还能保持图像的整体风格不变。这就是为什么它叫“风格迁移”——你可以把一张照片的风格转移到另一张照片上。

为什么RF Inversion这么牛？

1. 无需训练：你不需要花费大量时间和精力去训练模型，直接就能用。

2. 高效灵活：它的处理速度很快，而且非常灵活，能应对各种复杂的编辑需求。

3. 风格迁移：最酷的一点是，它能完美地保留图像的风格，同时加入新的元素。

comfyUI中的实现

打开comfyUI，拖入示例中的工作流。

示例工作流主要由三个部分组成，第一部分主要就是图片相关模型加载和参数设置，第二部分作用是用来逆向生成噪声图的，参数默认。第三部分去噪声生图了。逻辑简单，但工作流复杂。大家直接修改提示词即可，下面咱们来演示效果

以下是节点官方的参数说明内容：大家可参考

节点参数

Outverse Flux Model Pred节点 确保在“Outverse Flux Model Pred”节点上将“reverse_ode”设置为 True。

流量反向 ODE 采样器

• • latent_image — 用于引导采样的图像

• • start_step — 采样器开始朝向“latent_image”中图像引导采样的步骤

• • end_step — 引导采样的最后一步（不包括该步骤）

• • eta — 引导的强度。论文中不建议低于 0.7

• • eta_trend — eta 在 start_step 和 end_step 之间的变化趋势（增加/减少/保持不变）

流量正向 ODE 采样器

• • gamma — 保持为 0.5

对于Guidance参数的建议

• • 对于正常采样，建议使用约 3.5 的引导值。

• • 对于去采样，使用 0。

常见问题

• • 图像重叠 — 尝试更改您的开始步骤和/或 Eta。开始步骤设置得太晚将无法正确影响图像生成。

• • 模糊结果 — 尝试在采样器上将去噪值降低到约 0.9（而不是去采样器），或者增加去采样步骤（应当得到解决）。

• • 不遵循编辑 — 尝试减少步骤（更改开始/结束步骤）或降低 eta。

节点参数

Outverse Flux Model Pred节点 确保在“Outverse Flux Model Pred”节点上将“reverse_ode”设置为 True。有时用户在升级此仓库时，工作流无法正确加载。

流量反向 ODE 采样器

• • latent_image — 用于引导采样的图像

• • start_step — 采样器开始朝向“latent_image”中图像引导采样的步骤

• • end_step — 引导采样的最后一步（不包括该步骤）

• • eta — 引导的强度。论文中不建议低于 0.7

• • eta_trend — eta 在 start_step 和 end_step 之间的变化趋势（增加/减少/保持不变）

流量正向 ODE 采样器

• • gamma — 保持为 0.5

对于Guidance参数的建议

• • 对于正常采样，建议使用约 3.5 的引导值。

• • 对于去采样，使用 0。

常见问题

• • 图像重叠 — 尝试更改您的开始步骤和/或 Eta。开始步骤设置得太晚将无法正确影响图像生成。

• • 模糊结果 — 尝试在采样器上将去噪值降低到约 0.9（而不是去采样器），或者增加去采样步骤（应当得到解决）。

• • 不遵循编辑 — 尝试减少步骤（更改开始/结束步骤）或降低 eta。

具体效果吧。是有一定的效果，在编辑方面，能根据提示词进行生图，但会重绘全图，能用，但控制力不强。大家可以继续观望这个技术，相信让它飞一会，会迭代更好易用效果更好。

以上是RF Inversion，以及在comfyUI中的节点介绍，大家可以根据工作流思路进行尝试搭建。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。