[Sammelthread] AI - Bildgenerierung (Stable Diffusion, Midjourney & Co)

[samuelclemens]

@CountSero Wie ziehst die aus deinem Workflow raus das man sie leicht hier reinkopieren kann?

 

[CountSero]

@CountSero Wie ziehst die aus deinem Workflow raus das man sie leicht hier reinkopieren kann?

ach du meinst das?

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 768x1344 | seed: 1976, steps: 8, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 768x1344 | seed: 1976, steps: 4, cfg: 1.2, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.25
Step 3 (SeedVR UpScaler) | Resolution: 1152x2016 | seed: 1976, steps: 8, cfg: 1.1, sampler: dpmpp_2m_sde_heun_gpu, scheduler: sgm_uniform, denoise: 0.05

Das ist eine Custom Node, die nach und nach gewachsen ist, sie ist eher so aus Bequemlichkeit entstanden. Im Moment überlege ich schon, den Prompt mit einzubauen und direkt in einem Spoiler-Tag zu verpacken ^^

Die Funktion ist so aufgebaut, dass geschaut wird, ob es Nodes im aktiven Workflow gibt, die den Class Type "Sampler“ haben. Dann werden deren IDs im Workflow ermittelt, und diese ID gibt die Reihenfolge der Ausgabe vor (kann man aber auch beeinflussen). Mit der Node-ID kann man dann auch den Rest auslesen, wie Steps, CFG, Sampler usw.

Die Auflösung war etwas komplizierter, und da bin ich dann den einfachen Weg gegangen und nehme die Werte als "Integer in“ die ich nutze für den ersten KSampler und bei der Scale mit "Float in“. Use_refiner und use_seedvr sind Boolean.

Die Node wird ausgelöst, wenn irgendetwas am input_trigger ankommt, und da ich das vor dem Speichern eingebaut habe, ist sie bei mir ganz am Ende.

Für die Ausgabe auf der Node braucht man ein JavaScript, aber es geht auch ohne, dafür habe ich den meta_string-Output.

Mein Speichern Block:

Und meine Group für SeedVR mit den Control Switch:

 

[Nolag]

Danke für den Tipp, aber beim VAE für KREA2 sehe ich keinen Unterschied ^^

Ja, der Unterschied ist ohne Zoom ziemlich subtil und je höher die Auflösung des Bildes ist desto weniger fällt es auf. Ich bearbeite Bilder aber häufig noch manuell nach und da ist es dann häufig deutlich sichtbar. Es könnte aber auch bei mehrstufigen Workflows oder beim Upscaling vorteilhaft sein, wenn so wenig Artefakte wie möglich im Ausgangsmaterial vorhanden sind. Das habe ich bisher aber noch nicht getestet.

Spoiler: VAE vs Fixed VAE 15x Zoom

 

[CountSero]

@Nolag Gut in die Region bin ich noch nicht vorgestoßenen und meine 16GB VRAM geben auch nicht soviel her


So ein bisschen mit MOSS Experimentiert

Image generated with moss_image_sft_bf16 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 768x1344 | seed: 1976, steps: 25, cfg: 3.0, sampler: euler, scheduler: sgm_uniform, denoise: 1.0
Step 2 (SeedVR UpScaler) | Resolution: 1152x2016 | seed: 1976, steps: 1, cfg: 1.1, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.05

Spoiler: Prompt Alternativ-Festival 1

A wide 16:9 fashion editorial photograph captured in a photorealistic, high-end fashion lookbook style, showcasing a full-body shot of James, a 50-year-old German man with an obese body build. James stands centrally against a clean, continuous studio background that emphasizes the clarity of his silhouette and the details of his attire. He features deep brown eyes, short dark-brown hair meticulously styled with a neat center part, and a well-trimmed salt-and-pepper 3-day beard that expertly contours his soft jawline. He smirks and flips the finger. He wears thick black-framed glasses that sit perfectly on his face. His ensemble consists of a black Fedora, a sage green structured M-65 field jacket, a black shirt accented with vibrant cyan buttons, black jeans, and black suede shoes finished with cyan laces. A sophisticated layout of fine, elegant pointer lines, or leader lines, extends horizontally from each specific clothing item to both the left and right sides of the image, spanning from the top of his head down to his feet. Each pointer line terminates in a clean, minimalist graphic of the specific garment being worn, ensuring no doubling of the items on his body. Next to each graphic is a clean, handwritten text label identifying the items: on the left "Black Fedora", undeneath the "Black Shirt with Cyan Buttons" and the black "Black Jeans", on the right "M-65 Field Jacket," and the "Black Suede Shoes with Cyan Laces." Positioned at the top center of the composition is the handwritten title "Alternativ-Festival-Style" accompanied by a stylized, artistic underline. The composition is framed as a professional editorial shot using a 24mm wide-angle lens to capture the full environment while maintaining a deep depth of field where every element, from the garment graphics to James's facial features, remains sharp and in focus. The lighting is a professional studio setup, providing soft, even illumination that highlights the textures of the suede shoes, the heavy fabric of the M-65 jacket, and the realistic skin texture of James's face. The color grading is sophisticated and neutral, allowing the cyan buttons and laces to pop against the predominantly black palette of the clothing. The final rendering is ultra-high-definition, emphasizing the organic creases and realistic draping of the fabric over his mature, natural physique.

Image generated with moss_image_sft_bf16 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 768x1344 | seed: 1976, steps: 25, cfg: 4.0, sampler: euler, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 768x1344 | seed: 1976, steps: 4, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.4

Spoiler: Prompt Alternativ-Festival 2

A high-end fashion editorial photograph presented in a wide 16:9 aspect ratio, featuring a full-body shot of Maeve, an estimated 45-year-old Irish woman with a soft hourglass silhouette, striking blue eyes, and vibrant red hair meticulously styled into a strict, single braid. She is adorned with a tiny, delicate, close-fitting gold septum ring and a threader earring featuring an emerald-green teardrop pendant in her left ear. She winks with one eye and shwoing the midel finger to the viewer. Maeve wears thin black-framed glasses with a light cyan tint, a structured black Fedora, a sage green M-65 field jacket with realistic fabric weight and organic creases, a fitted black zipper shirt with a distinct cyan zipper, slightly shredded black jeans, and black suede knee-high laced up boots, with cyan laces. The composition is a clean, symmetrical studio layout where fine, elegant pointer lines, or leader lines, extend from each specific clothing item on Maeve's body toward the left and right margins of the image. Each pointer line terminates in a clean, isolated graphic of the corresponding worn garment, accompanied by a clear, handwritten text label: on the left "Sage Green M-65 Field Jacket," and "Black Suede Laced Up Boots", on the the right "Black Fedora" underneath "Black Zipper Shirt" and "Shredded Black Jeans". At the top center of the frame, the words "Alternativ-Festival-Style" are written in an elegant, flowing handwriting style with a stylized underline. The camera perspective is a straight-on full-body view, captured with a 24mm wide-angle lens to provide a comprehensive view of the subject and the extended graphic lines, paired with a deep depth of field to ensure that every garment, facial feature, and text label remains in sharp, crisp focus. The studio background is a continuous, seamless neutral gray, providing a professional and uncluttered backdrop. The lighting is a sophisticated three-point studio setup, casting soft, natural shadows that accentuate the physical pressure of the clothes against her body and the realistic deformation of the fabric over her hourglass frame. The color grading emphasizes the earthy sage green, the icy cyan accents, and the deep, rich red of her hair against the monochromatic black of her accessories and boots. Every detail is rendered with photorealistic precision, from the lifelike skin texture showing subtle pores and fine lines to the tactile feel of the suede and the organic folds of the denim.

Image generated with moss_image_sft_bf16 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 768x1344 | seed: 1976, steps: 25, cfg: 2.0, sampler: euler, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 768x1344 | seed: 1976, steps: 4, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.4
Step 3 (SeedVR UpScaler) | Resolution: 1152x2016 | seed: 1976, steps: 1, cfg: 1.1, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.05

Spoiler: Prompt Boho-Festival 2

A wide 16:9 fashion editorial photograph, full-body shot, featuring James, a 50-year-old German man with a severely obese physique, deep brown eyes, and short dark-brown hair. His face is defined by a well-trimmed salt-and-pepper 3-day beard that contours a soft jawline, and he wears thick black-framed glasses. James stands in the center of a clean, continuous studio background, exuding a high-end fashion lookbook aesthetic.He smiles and showing the peace sign. He is waering a Bohemian summer straw fedora with a feather brooch, a beige boho linen vest adorned with detailed gold floral embroidery, a loose beige linen shirt with three buttons, beige loose linen trousers, and boho leather sandals. From each individual clothing item on James’s body, fine, elegant pointer lines extend outward to the left and right sides of the image. Each pointer line terminates in a clean, high-resolution miniature image of the specific garment being highlighted, with a crisp, handwritten text label identifying each piece: on the left "Bohemian Summer Straw Fedora fedora with a feather brooch", "Loose Linen Shirt", and "Boho Leather Sandals", on the right "Gold Embroidered Vest", and "Loose Linen Trousers". At the center top of the composition, the title "Boho-Festival-Style" is rendered in a sophisticated handwriting style with a stylized underline. The composition uses a wide-angle 35mm lens to capture the entire silhouette, paired with a deep depth of field to ensure that James, the pointer lines, and the isolated garment icons are all rendered in sharp focus. The lighting is a professional studio setup, casting soft, natural shadows that emphasize the organic creases and realistic draping of the linen fabric, the texture of the leather sandals, and the metallic sheen of the gold embroidery. The skin texture is lifelike, showing the subtle folds and realistic body deformation of an obese physique. The color grading is warm and organic, harmonizing the beige linen with the rich gold and the neutral studio environment. Photorealistic, 8k resolution, intricate textures, high-end fashion lookbook style.

Image generated with moss_image_sft_bf16 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 768x1344 | seed: 1976, steps: 25, cfg: 3.0, sampler: euler, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 768x1344 | seed: 1976, steps: 4, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.4
Step 3 (SeedVR UpScaler) | Resolution: 1152x2016 | seed: 1976, steps: 1, cfg: 1.1, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 0.05

Spoiler: Prompt Boho-Festival 1

A wide 16:9 fashion editorial photograph showcasing a full-body shot set against a clean, continuous, minimalist studio background that provides a neutral canvas for the ensemble. In the dead center of the composition stands Maeve, a 45-year-old Irish woman with a soft hourglass silhouette, striking blue eyes, and vibrant red hair styled in a strict, polished bun. Her face is adorned with a tiny, delicate, close-fitting gold septum ring and a threader earring with an emerald-green teardrop pendant in her left ear. She is smiling and shaping a heart with both Hands. Her outfit is a masterclass in bohemian texture, consisting of a beige coarse crochet halter top with thick, visible loops, with a matching crochet midi-skirt layered beneath to create a cohesive base. Draped over her shoulders is a sleeveless, open-front white bohemian crochet maxi-coat featuring a large, structured hood that adds architectural volume and soft fabric draping. Completing the look are knee-high, rich brown leather Drifter Tall Mocc Boots, showing a matte finish and detailed with fine, intricate fringe and visible stitching. The image utilizes a high-end fashion lookbook style, characterized by fine, elegant pointer lines (leader lines) that extend horizontally from each specific clothing item to the left and right margins of the frame. Each pointer line terminates in a clean, high-definition graphic of the worn garment, with each garment accompanied by a clean, handwritten text label: on the left top "Beige Crochet Halter Top",underneath the "Crochet Midi-Skirt", on the right "White Bohemian Crochet Maxi-Coat", underneath "Rich Brown Leather Drifter Tall Mocc Boots". Positioned at the top center of the frame is the stylized handwriting "Boho-Festival-Style" with a graceful, stylized underline. The photograph is captured from a straight-on camera perspective using a 35mm wide-angle lens, ensuring a deep depth of field where the entire ensemble, the leader lines, and the graphic labels are rendered with crisp, sharp clarity across the entire frame. The lighting is a professional studio setup, casting soft, natural shadows that accentuate the organic creases and folds of the crochet fabric, the way the skirt drapes over her hips, and the realistic grain of the leather boots. The color grading is sophisticated and editorial, emphasizing the warm, earthy palette of the beige and rich brown against the stark, brilliant white of the maxi-coat. Every detail is rendered with photorealistic fidelity, from the lifelike skin textures of Maeve’s face and body—showing subtle pores and a natural glow—to the individual strands of her red hair and the delicate, heavy weave of the crochet materials.

Waren versuche um so Fashion Style-Book Pages zu erstellen.

Ein bisschen muss ich da noch dran drehen aber MOSS ist da wesentlich besser als KREA2

 

[MechanimaL]

Also mich hat das immer bei QWEN genervt, weil das häufig kam, aber hätte nicht gedacht, dass eine VAE das dann fixt, umso besser ^^

Aber MOSS-Image ist eh eine Zicke. Wie empfindlich auf verschiedene Sampler/Scheduler das reagiert, ist schon sehr krass. Ich bin mittlerweile auch so weit, nur das BF16 SFT-Modell zu verwenden mit 25 Steps, CFG 2.0 das bringt erstaunlich saubere Ergebnisse. Die 8-Step-LoRas verfälschen doch etwas das Bild, genauso wie andere LoRas. Die sind unheimlich bias-lastig bzw. extrem auf einen Typ Person/Mensch trainiert.

Das SFT Modell ist zu "glatt rasiert", mit ihm verliert das Modell dieses realistisch-ungestellte und die Varianz/Zufälligkeit, z.B Gesichter sehen ähnlicher aus; außerdem neigt es zu Wiederholung/Muster in der Umgebung, die eigtl. zufälliger sein sollte, erkennbar zb an einer Grasnarbe auf einem Foto (oder auch der Welle bei den Surfbildern). Allerdings ist das Base ganz alleine auch etwas "instabil", wenn das Bild etwas komplexer ist, Anatomie ist problematisch z.T. usw.; interessanterweise "hilft" hier z.T die Turbo Lora und/oder die sft-Lora (das sft Modell als LORA)- wirkt, aber mit weniger Nachteilen als sft als Modell zu nutzen). Dann ist noch die challenge die Beste Mischung aus den 3en zu finden und weitere Variablen zu berücksichtigen. cfg auf 1.2 mit Turbo kann auch besser sein als 1 zb.

Also, Moss-Image mag keinen „Hires Fix“ bzw. Latent Update (by). Es ist enorm empfindlich, und man muss hier auf ein Denoise von 0.60 gehen, damit man ein sauberes Bild bekommen möchte. Alles unter Denoise von 0.60 erzeugt Doppelbilder und Verschiebungen. Bei den Steps muss man da auch 4 anpeilen, darunter ist Chaos, und über vier muss man mit den Details aufpassen, dass man keinen Overkill bekommt.

jetzt wo du's sagst, ich hab grad Dein Prompt getestet, mit dem Asien Setting und hatte es da auch stark, war mir aber bei anderen Bildern nicht so aufgefallen, muss ich morgen mal genauer untersuchen, dachte eigtl ein kleiner Upscale mit etwas über 0.5 würde gehen.

Es ist hier tatsächlich sinnvoller, ein Upscale mit SeedVR zu machen oder direkt in einer höheren Auflösung zu rendern. Das hängt natürlich davon ab, wie viel Ressourcen der eigene Rechner hier zur Verfügung hat.

Zur Not kann man auch tiled verwenden

Was hingegen ohne Probleme geht, ist, einen zweiten Step als Refiner/Detailer zu nutzen. Da reichen auch schon Denoise-Werte von 0.30–0.40 bei 4–8 Steps aus.

Da hatte ich hingegen keinen großen Effekt gespürt. Muss ich nochmal näher schauen.

MOSS-Image ist hier wirklich empfindlicher als andere Modelle, die ich mal ausprobiert habe.
Und durch die Umstellung auf die Nightly von ComfyUI und die Nightly von PyTorch (ROCm) habe ich immer mehr bemerkt, dass enorm viele Probleme für mich behoben wurden. Nun kann ich locker 2 KSampler in Folge mit einem SeedVR-UpScaler in einem Workflow nutzen, ohne mein System jedes Mal an die Grenze eines OOM zu bringen.

Nice, ja die Fixes sind einfach so häufig, es lohnt sich up2date zu sein.

Moss (mit Afterlight Lora):

 

[samuelclemens]

Jemand Erfahrungit dem LoRa Training in Ostris Toolkit in Bezug auf Moss Image Base. Wolle eine Personen LoRa mit den gleichen swttings wie bei Krea2 und dem selben Dataset. Hat auch geklappt, aber das Ergebniss ist um Welten schlechter als bei Krea2.
Was muss man da anders machen bzw berücksichtigen?

 

[Tr8or]

Also wenn ich das so sehe bringt mir KREA2 die Bilder die mich mehr ansprechen ^^

Hast du die 6 Zehen bei "Warm KREA2" gesehen?

 

[CountSero]

Also ich habe nun auch mal KREA2 AnyPaint getestet, und es ist erschreckend, wie einfach und wie gut das funktioniert. Hier muss ich deutlich meine Kritik äußern, dass so ein Tool mit großer Verantwortung daherkommt. Ja, natürlich ist es einfach, hier mal Elemente eines KI-Bildes anzupassen, aber das, was das Ding wirklich kann, ist schon erschreckend. Ich will hier nicht ins Detail gehen, aber ihr könnt erahnen, was ich meine.


Ich habe mal mit meinem Sandstorm-Bild gestartet:
Original:

AnyPaint – erster Versuch, eine Person hinzuzufügen, bei Weitem nicht perfekt, aber auch nur ein schneller Test. Dafür muss ich sagen, war es schon not so bad.

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (AnyPaint KSampler) | Resolution: 2016x1152 | seed: 1976, steps: 8, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 2016x1152 | seed: 1976, steps: 4, cfg: 1.2, sampler: euler_ancestral, scheduler: sgm_uniform, denoise: 0.5


Dann mein Mirror-Bild im Original:

Dann mein Mirror-Bild und mit Änderung der Kleidung (man beachte, dass auch im Spiegel das geändert ist).

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (AnyPaint KSampler) | Resolution: 1152x2016 | seed: 1976, steps: 8, cfg: 1.0, sampler: dpmpp_2m_sde_heun_gpu, scheduler: sgm_uniform, denoise: 1.0

Dann das Bild etwas vergrößert und eine Person hinzugefügt.

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (AnyPaint KSampler) | Resolution: 1664x2016 | seed: 1976, steps: 8, cfg: 1.0, sampler: dpmpp_2m_sde_heun_gpu, scheduler: sgm_uniform, denoise: 1.0


Fazit > Es geht viel zu einfach. Ja, es gibt auch Situationen, wo die Anweisungen nicht übernommen werden, aber im Großen und Ganzen dauert es nur Minuten, hier was zu ändern. Wenn man sich etwas Mühe gibt, im ImageLoader saubere Masken zu zeichnen, kommt dann so was wie bei den letzten beiden Bildern raus. Das Ganze hat mich vielleicht eine Stunde Experimentieren gekostet. Dennoch ist das Tool für den Aufwand viel zu mächtig, besonders, da es so einfach lokal nutzbar ist. Ich weiß, es ist ein Tool, aber ich habe leider immer die Wenigen im Kopf, die hier nicht nur "experimentieren" und was anderes im Sinn haben.
Ja, allgemein bringt lokale KI immer eine enorme Verantwortung mit sich aber das hier schiebt das meiner Meinung nach einfach eine Nummer höher.




Dann habe ich einfach mal Sandstorm genommen und mit 100 % Mask den Sandstorm-Prompt durchlaufen lassen. Also AnyPaint mit 100 % Mask bringt schon noch einen alternativen Faktor hinzu, der imho gar nicht so schlecht ist.

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (AnyPaint KSampler) | Resolution: 2016x1152 | seed: 1976, steps: 8, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 2016x1152 | seed: 1976, steps: 4, cfg: 1.2, sampler: euler_ancestral, scheduler: sgm_uniform, denoise: 0.5

Zum Vergleich nochmal der gleiche Prompt so in KREA2

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 1344x768 | seed: 1976, steps: 8, cfg: 1.0, sampler: dpmpp_2m_sde_heun_gpu, scheduler: sgm_uniform, denoise: 1.0
Step 2 (SeedVR UpScaler) | Resolution: 2016x1152 | seed: 1976, steps: 1, cfg: 1.1, sampler: dpmpp_2m_sde_heun_gpu, scheduler: sgm_uniform, denoise: 0.05

Hast du die 6 Zehen bei "Warm KREA2" gesehen?

Nein habe ich nicht, war zu dem Zeitpunkt für mich auch nebensächlich das es mir dort um die Farbpalette und den Farbton ging.

 

[Keuleman]

Verantwortung ist immer dabei... mein Credo für mich ist eh keine Nackidei Bilder und immer mit Stil. Wenn die KI die Weltherrschaft übernimmt habe ich ein reines Gewissen :-)

 

[samuelclemens]

Wenn die KI die Weltherrschaft übernimmt werden die Terminatoren nicht wie Arnie aussehen sondern eher wie Nuber 6.
KI weiss längst wie man das Hirn eines Soldaten am effektivsten ausschaltet.🙄

 

[MechanimaL]

Eine LORA für mehr Schärfe/Fokus in MOSS.
und Eine Realism Enhancer LORA

Desweiteren eine Methode namens SPECTRUM: Beschleunigt MOSS um 2-2.5x, man muss allerdings schauen, dass sofern man SLG (SkipLayerGuidance) verwendet der Wert auf 0-1 steht nicht 0-0.5. Wird einfach hinter den Model Loader gehängt mit den empfohlenen Settings, ändert nicht viel am Bild, könnte sich also lohnen, wenn es sonst zu lange dauert und man keine Turbo Lora verwendet.

Bzgl. Editing,In-/Outpainting oder auch generell: Hat eigtl schon mal wer FIBO2.0 getestet?

 

[CountSero]

Verantwortung ist immer dabei... mein Credo für mich ist eh keine Nackidei Bilder und immer mit Stil.

Ob jemand nun "Nackidei" oder Porno in seinen eigenen vier Wänden erstellt, hat mich nicht zu interessieren. Ich sag hier einfach mal "No Kink Shaming", solange hier keiner zu Schaden kommt oder Persönlichkeitsrechte anderer eingeschränkt werden, muss das jeder mit seinen eigenen moralischen Vorstellungen vereinbaren. Mir geht es auch eher um die 1% - 2%, die sich nicht zum privaten Amüsieren damit die Zeit vertreiben, sondern mit der Absicht, Fake News zu verbreiten oder Menschen mit Fake Images zu kompromittieren.

Die Bilder, die ich erstellt habe (mit meinem AI-Bild als Basis), sind noch lange nicht fehlerfrei, wenn man genau hinschaut, aber ich habe mir auch nur bedingt Zeit genommen und Mühe gegeben. Aber ich denke, wenn ich mir mehr Zeit nehmen würde, könnte ich bestimmt noch einiges ausmerzen bzw. Filter drüberlaufen lassen, dass es mehr aus einem Guss wirkt. Oder man lässt es mit Absicht wie ein schlechtes JPEG aussehen usw. Es gibt doch genügend Negativbeispiele auf X, wobei man da auch sieht, dass viele einfach an sowas glauben wollen.

Ich bin ehrlic, in den Monaten, die ich nun mit Lokaler AI experimentiere und daran lerne, habe ich Schritt für Schritt das Vertrauen verloren, Texten, Bildern oder Videos einfach so zu vertrauen. Besonders mit Bildern kann man heute bereits so viel Schindluder treiben, dass ich mir hier ein ausgeprägtes Misstrauen erarbeitet habe. Ich überprüfe solche Infos je nach Quelle gerne mal drei- bis viermal, um mir meine Meinung zu bilden.

Ich will hier auch nicht den Moralapostel spielen, es ging mir hier nur um eine Warnung, was für eine Macht bereits so ein kleines Tool hat. Es ging mir nur darum aufzuzeigen, wie einfach solche Tools anzuwenden sind, mit fast null Vorkenntnissen. Wenn man es drauf anlegt, muss man es nicht mal auf Englisch formulieren.

Auch ein kleines Beispiel zu MOSS-Image, wenn man manche Negativ-Tags (im Negativ-Prompt) vergisst, bekommt man je nach Prompt doch mehr, als man als Bild haben möchte. Es ist mir mit MOSS erst eine Handvoll Male passiert, aber dennoch musste ich nacharbeiten, weil MOSS-Image hier trotz NSFW Tag als Negativ-Prompt freizügiger Kleidung dargestellt hatte, als ich es wollte. Oder es sich Konturen abzeichneten, die nicht erwünscht waren. Also, es ist immer ein schmaler Grat bei solchen offenen Modellen.

Wenn die KI die Weltherrschaft übernimmt habe ich ein reines Gewissen :-)

Ich habe hier auch kein schlechtes gewissen aber ich denke da braucht es nicht wirklich viel die Herrschaft zu übernehmen.

Wenn die KI die Weltherrschaft übernimmt werden die Terminatoren nicht wie Arnie aussehen sondern eher wie Nuber 6.
KI weiss längst wie man das Hirn eines Soldaten am effektivsten ausschaltet.🙄

Ein paar Fake Bilder hier und Paar Fake Videos dort und schon erledigen wir das ausrotten von ganz alleine ^^

@MechanimaL Ich habe es mal kurz FIBO getestet, das Prinzip ist interessant für einfache Sachen. Aber Fetzen Jeans kennt es nicht, das sieht dann wirklich wir eine Jeans aus die durch den Schredder gejagt wurde. Sonst kann ich sagen ist ok, es wurde wurde hier automatisch der Spiegel berücksichtigt ^^ Aber das Wortverständnis ist mmh ^^

Das Prinzip ist es wohl die Vorgabe in ein LMM zu jagen und nach vorgaben beschreibt es das Bild und übernimmt die gewünschten Änderungen. Und jagt es mit dem Bild als Latent durch den KSampler.

Das war die Vorgabe so ähnlich halt wie bei dem Oben geänderten Bild.

Change the silk dress of the red headed women into a green silk halter neck top, blue denim hot pants and black knee high laced up high heels, crisp textures, subtle sheen. Keep her face, expression, pose and the rest of the scene.

Hier mal mein Mirror Bild mit dem int8 dev Model. Wenn ich nachher noch Lust habe schaue ich mir mal die die BF16 Variante und die Turbo Variante.

[EDIT]

Ok das int8 dev im falschem Workflow genutzt^^ nun das richtige Bild ^^

[Edit2]

Also die BF16 Modelle dev oder Turbo Bringen etwas mehr Qualität aber "shredded jeans" (Fetzen Jeans) kennt es auch nicht aber "ripped jeans". Es ist eine Alternative, läuft meiner Meinung nach besser als MOSS-Edit. Bei mehr als eine Person muss man halt einen Anker geben (also eindeutig angeben wen man meint, auch wichtig zu sagen das der Rest so bleiben usw.)

 

[samuelclemens]

@CountSero Welches Workflow für AnyPaint benutzt du?

Outpainting läft ja ganz gut. Aber mit maskierung und inpaint will der bei mir gar nicht gescheites raushauen.

 

[MechanimaL]

Hab Dein Bild auch noch durch Qwen2.1 gejagt (ohne Maske) mit gleichem Prompt. Hattest du bei Krea noch die Schuhe der Fotografin mitmarkiert (also den rechten, freistehenden)? Denn der wurde ja geändert.

Vergleichsbilder:
Org vs Krea Anypaint (kopiert von oben)
Org vs Fibo (kopiert von oben)
Org vs Qwen2.1

 

[CountSero]

@samuelclemens
Ich habe eigentlich den Standard Workflow genommen.
Nur habe ich nicht das Int8-Modell genutzt, sondern das FP8-Modell und als CLIP das BF16 Modell.
Also nichts wirklich Besonderes.

Später habe ich meinen KREA2-Workflow gecloned und habe die 3 AnyPaint Nodes einfach eingebaut.
Aber ich habe ja geschrieben, auch ich hatte Momente, wo meine Anweisung einfach ignoriert wurde.

@MechanimaL Nein, ich habe die Füße nicht maskiert. Der eine Fuß ist ja im Original von dem Kleid verdeckt, und da das ja dann weg ist, muss KREA Edit ihn rekonstruieren. Das ist das, was ich in meinem zweiten Post meinte, dass wenn man genau hinschaut, man Fehler findet. Wie gesagt, nur eine Stunde rumgespielt. Mit der Auswahl ist FIBO schon besser, aber das Textverständnis von Kleidung ist wesentlich geringer, als ich dachte, oder halt anders trainiert. Evtl. bekommt MOSS ein anständiges EDIT, das aktuelle fand ich echt bescheiden, oder ich habe es nicht sauber zum Laufen bekommen.
Evtl. muss ich mir auch mal Qwen-Edit anschauen.

 

[MechanimaL]

FIBO hat das Problem, dass es wegen der Lizenz usw. (und da es nicht sonderlich nsfw-/basis tauglich sein soll) wohl nicht viel Liebe (und somit auch keine LORAS, Finetunes etc) bekommt. Wegen des Schuhs: Wenn der originale Schuh noch weitgehend nicht maskiert ist, müsste es sich ja eigtl. insgesamt an diesem orientieren. Wegen Maskierung könnte man das ganze noch Upgraden mithile von SAM3.1 (segment anything), dann muss man nichts von Hand zeichnen. Das vorherige Qwen Edit (2511) wird von manchen auch noch weitergenutzt, da sie sagen, außer bei Realismus sei es besser als das neue.

Die Nodes in diesem Video hier (Worfkflow verlinkt) sind auch praktisch für Outpainting. Außerdem ein paar Beispiele, die gut aussehen, könnte sich für Foto-Restaurierung eignen (FIBO).

Ah, Flux2Klein kann ja auch mit Instruktionen Editieren, allerdings schlechter als die oben getesteten, was das Verständnis angeht (Farbe vom Top im Spiegel, Extra Paar Stiefel ^^ )

 

[CountSero]

Der Schuh wurde ja im zweiten Bild richtig rekonstruiert, nur beim ersten halt nicht. War halt random und ich hatte keine Lust, es noch mal zu rendern ^^

Der Workflow aus Video ist etwas wild. Es mag sein, dass man damit mehr aus Fibo herausholen kann, aber schon krass, was der da alles an Packs installiert hat.

Ich versuche es immer zu verstehen und umzubauen, und habe mir die einzigen interessanten Nodes für mich aus dem Workflow übernommen für KREA2 AnyPaint. Das sind die beiden Nodes aus dem AussBoss-Pack, die IMHO relevant sind. Dann noch schnell den SAM3.1 von ComfyUI gezogen und schon steht es.

Sprich > man hat hier ein kleines Autoselect durch SAM3.1, hat aber auch die Möglichkeit, zusätzlich Bereiche zu markieren, wie den Nacken oder die Reflection im Spiegel. Ich finde, das Ergebnis kann sich sehen lassen.
Wobei ich festgestellt habe, dass eine LoRA, die ich neben AnyPaint aktiv hatte, wohl reingefunkt hat (der Loader lag hinter einer anderen Node, deswegen hatte ich es nicht gesehen).

Workflow KREA2 AnyPaint Plus AussBoss Nodes:

Ergebnis:

Image generated with krea2_turbo_fp8_scaled via ComfyUI using the following settings:
Step 1 (AnyPaint KSampler) | Resolution: 1152x2016 | seed: 1976, steps: 8, cfg: 1.0, sampler: exp_heun_2_x0_sde, scheduler: sgm_uniform, denoise: 1.0
Step 2 (Refiner KSampler) | Resolution: 1152x2016 | seed: 1976, steps: 4, cfg: 1.2, sampler: euler_ancestral, scheduler: sgm_uniform, denoise: 0.5

change the dress of the redheaded women to an emerald green silk halter neck top, the top has a single golden embroidery with "Fuck You" in the middle, shredded denim hot pants and black Suede knee high laced up high heels

also change the reflection of her dress in the mirror

Mit den Nodes und SAM3.1 kann man es sich also etwas einfacher machen^^

 

[Ghosa]

Mal was zum Herbst. Krea2 und Minimax H3.

 

[MechanimaL]

Cute

@CountSero Ja das lohnt sich schon, so ein paar Erleichterungen Wegen der Schuhe, also bei deinen Krea Anypaint Posts oben hat sich ja jeweils das Schuhmodell geändert gehabt, daraufhin meine Frage, ob es sich wohl geändert hat, weil es zu sehr in der Maske war, oder Krea das trotz teilen des echten Schuhs geändert hat.

 

[samuelclemens]

Mal an die Videoexpterten hier.
Wie könnte man es promptmäßig am besten Formulieren wenn man ein Video simulieren will das gerade mit einem Smartphone aufgenommen wird und einem plötzlich das die Person die man gerade filmt anspringt und einen umhaut. Die Handykamera soll dabei zu boden fallen und iwie die Szene von unten noch auf einer verzerrten Perspektive filmen während man nur teilweise sowohl die gefilmte Person als auch ein wenig den Kameramann sieht wie sie rangeln.
Minimax scheint es einfach nicht zu kapieren das die Kamera plötzlich nur noch von unten nach oben filmt und sich auch die Perspektive total verändert.
Die Figuren stehen also nicht mehr alle senkrecht.
Ihr versteht ja sicher was ich mein.

Problemamtisch ist auch die zweite Szene
Das Handy wird aufgehoben, alles wackelt und dreht sich bis sich das Bild stabilisiert.
Der Kameramann schwenkt jetzt aber nach hinten weil da was passiert.
Problematisch ist auch die Umgebeung. Die sollte die ganze zeit konstant sein von der ersten Szene bis zur zweiten. Es spielt in freier Natur.
Aber wenn die Kamera aufgehben wird anfang der zweiten Szene muss die Umgebung zur Ersten Szene passen.
Ich kann hier leider keine Anschlussframes verwenden vom ende der ersten Szene. Weil ja perspektivisch verzerrt.