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

[MechanimaL]

Hattest Du nicht auf Portable umgestellt? da ist immer alles direkt, wenn du das Update Script ausführst. ComfyUI_windows_portable\update\update_comfyui.bat

 

[samuelclemens]

@MechanimaL Ja, aber unter Settings wird immer noch die 0.44 Angezeigt. Die neuen Templates habe ich. Aber die lade ich mit nem gesonderten script runter weil die beim normalen Update auch oft nicht erneuert werden.
Ansonsten muss ich es wieder einmal mit einer kompletten neuinstallation versuchen. 😓 😩

 

[CountSero]

Ich habe mir mal MOSS-Image Depth Control angeschaut. Auch wenn ich am Anfang eine gewisse Abneigung hatte, was Depth Control angeht, die Umsetzung bei MOSS-Image ist schon beachtlich.

Dafür habe ich mal meinen MOSS-Image-Workflow geklont und für Depth Control angepasst. Dadurch habe ich jetzt einen AI-Refiner, der mir das Bild beschreibt und mit dem ich über Anweisungen einfach Elemente des Bildes ändern kann. Da man auch nicht immer dieselbe Aspect Ratio nutzen möchte, habe ich noch Image Transform KJ aus dem KJNodes-Pack eingebunden. Dadurch kann ich meine gewünschte Aspect Ratio nutzen oder eben die vom Originalbild.

Links der Block ist mein AI-Refiner mit Visual (auf Ollama-Backend). Darunter sieht man den Block für die Depth Control. Mitte oben ist der Standard-MOSS-Image-Block von mir, also Positiv, Negativ, LoRA, Shift usw., und darunter mein Save-Block (den habe ich so angepasst, dass ich das Original und das neue Bild sehen kann). Rechts oben ist noch mein Refiner-Block und darunter der seedVR-Upscaler.


Auch funktioniert die Depth Control wohl mit den LoRAs, die ich nutze, recht gut zusammen.
Fazit > Von mir bekommt es auf jeden Fall einen Daumen hoch, ist definitiv wert, einmal getestet zu werden.

Nachfolgend ein paar Beispiele, an denen ich mich mal bei Bildern hier aus dem Thread versucht habe.

Für Alle Bilder gilt:
Image generated with moss_image_sft_bf16 via ComfyUI using the following settings:[/SIZE]
Step 1 (Classic KSampler) | seed: 1976, steps: 50, cfg: 3, sampler: er_sde, scheduler: two_stage_arctan, denoise: 1.0

Steampunk Pharao

Spoiler: Prompt (via Visual AI Refiner)

A grand interior throne hall rendered in detailed steampunk fantasy, a medium shot captured at a 50mm focal length with a shallow depth of field that keeps the two foreground figures sharp while softening the distant stone arches, hanging brass lanterns, and the dimly lit balcony of onlookers into a warm atmospheric haze. In the center of the frame sits Maeve, a 45-year-old Irish woman with a soft hourglass silhouette, seated regally in an immense ornate mechanical throne built of riveted brass, copper, and steel piping with gilded armrests. Her face is uncovered and clear, revealing pale skin, vivid blue eyes, and a soft hourglass build, with her vivid red hair pulled up into a tight, disciplined bun. She wears an elaborate Victorian steampunk breastplate of polished brass and copper embossed with gears, cogs, and filigree, a high mechanical collar of ribbed copper and gold, a deep navy velvet ceremonial robe trimmed with intricate gold embroidery, and matching articulated brass gauntlet gloves with detailed knuckle plates. Her left ear carries a tiny delicate gold septum ring and a threader earring with an emerald-green teardrop pendant, and she wears a golden lariat necklace with a jade teardrop. At her left armrest sits Yuki, a 35-year-old Japanese woman with a soft hourglass silhouette, perched upright on the brass armrest as if it were a companion seat, her raven-black hair swept into a strict braid, her green eyes glowing, wearing a black top hat and a fitted copper-and-brass mechanical harness and gauntlets with visible gears, cogs, and riveted panels, her long copper-toned tail draping along the side of the throne. Both figures are lit by the warm amber glow of the surrounding lanterns, with soft steam and smoke curling through the air behind them, the deep blue velvet, the rich patina of aged brass and copper, and the soft golden highlights catching every metallic edge, all rendered as a high-detail photorealistic steampunk cinematic frame.

Steampunk Dame

Original Aspect Ratio

Veränderte Aspect Ratio

Spoiler: Prompt für die Zwei darüber

A cinematic steampunk fantasy portrait of Maeve, a 45-year-old Irish woman with a soft hourglass silhouette, blue eyes, red hair swept back into a strict high bun, a tiny delicate close-fitting gold septum ring, and a threader earring with an emerald-green teardrop pendant in her left ear, kneeling on a wet, mirror-gloss copper balcony at golden-hour sunset. She leans forward with her forearms resting on her thighs, knuckles braced, torso angled toward the camera, head tilted slightly upward with a calm, defiant expression, lips parted, gaze directed just above the lens. She wears a tight, dark brown leather corset-style top with a deep plunging neckline, brass buckles and a small central ring, paired with olive-grey cargo trousers held by a heavy leather belt with a brass buckle and multiple strapped webbing straps and thigh loops. Intricate black ink tattoos cover her neck, throat, upper chest, both shoulders, and both arms down to her wrists, depicting floral mandala patterns, leaves, and script-like line work, with more tattooing on her fingers. Behind her rises an ornate Victorian-orientalist steampunk cityscape of gilded copper domes, spires, clock towers bearing vertical Japanese calligraphy, intricate ironwork railings, and glowing gaslight lanterns, with two large blimp-style airships drifting through a warm, cloud-streaked amber sky. The wet metal floor catches reflections of the lanterns and the sunset, while the background city melts into a soft blur. Lit by low-angle golden-hour sunlight from the side, with rim light gilding her hair, shoulders, and the brass hardware, the scene is rendered in a photorealistic, painterly digital medium with rich warm color grading, lifelike skin texture, and a wide-angle 35mm lens with a deep depth of field that keeps the foreground sharp while dissolving the distant architecture into atmospheric haze.

Dann noch mal als Schnelle Buntstiftzeichnung

Spoiler: Prompt für Bad Pencil

A messy, badly drawn colored-pencil and crayon children's picture, rendered with rough, waxy, uneven strokes that bleed and smear, in a naive, childlike hand with crooked lines and patchy coloring, depicting a steampunk fantasy city at golden-hour sunset. The whole scene is built from thick, sloppy crayon lines with messy shading, smudged color patches, and uneven outlines that look like a child's hurried sketch. In the foreground, a crouching woman, identified as Maeve, a 45-year-old Irish woman with a soft hourglass silhouette, leans forward with her knees bent and hands resting on her thighs, torso twisted toward the viewer, head tilted back and her gaze lifted toward the sky. She has bright blue eyes drawn with wobbly colored-pencil lines, a tiny delicate gold septum ring on her nose, and a threader earring with an emerald-green teardrop pendant dangling in her left ear, all sketched with clumsy, overlapping strokes. Her red hair is pulled into a tight, strict bun at the back of her head, drawn with scribbled reddish-brown crayon. Her skin is colored with patchy, uneven pink-and-beige shading, and her body is covered in dark, scribbled tattoo patterns across her neck, chest, and both arms, rendered as messy black-and-green crayon swirls. She wears a dark leather corset-style top with buckled straps and a low-cut neckline, paired with grayish-green pants, a heavy belt with a brass buckle, and small leather harness straps, all outlined in waxy black pencil with rough, smudged fills. Behind her, the background is a sprawling Victorian-steam city of brass domes, pointed spires, ornate iron railings, and a giant ornate clock tower on the left bearing vertical red-and-gold Chinese characters, all drawn with crooked, uneven colored-pencil lines. Several glowing gas-lanterns with warm yellow flame glows dot the wet cobblestone platform, whose reflections are smudged into the ground with sloppy streaks. Above, a soft orange-and-cream sunset sky is filled with scribbled clouds and a couple of large airship zeppelin silhouettes drifting in the distance, all colored with messy, overlapping crayon strokes. The entire image is a poorly executed, childlike colored-pencil drawing with rough, unclean lines, smudged shading, and uneven, wobbly outlines, giving the whole steampunk scene the look of a hurried, sloppy child's crayon-and-penciled sketch.

Dystopian Cyber Punk

Spoiler: Prompt Pulp Scifi

A gritty 1970s pulp science fiction cover composition rendered in hand-painted gouache and oil with the bold, atmospheric, painterly textures characteristic of a classic retro sci-fi book jacket, framed in a tight, slightly low-angle medium-wide shot that keeps the foreground figure and the burning skyline both in sharp illustrative focus against a deeply receding, smoky backdrop. A fortified interior command post is established in the foreground, its floor littered with shattered rubble, spent brass casings, scattered debris, crushed aluminum drink cans, a dented metal bucket overflowing with cigarette butts, and stacked military ammunition crates, all rendered in heavy, visible brushwork with warm umber and rust highlights over deep shadow. Seated cross-legged at the center of the frame is Maeve, a 45-year-old Irish woman with a soft hourglass silhouette, pale skin smudged with grime, vivid blue eyes, and a tight, high red-hair bun, wearing a tiny close-fitting gold septum ring and a delicate threader earring with an emerald-green teardrop pendant in her left ear, her face angled slightly upward and off to the side with a weary, defiant expression, a lit cigarette clamped between her lips with a curl of pale smoke spiraling upward, holding a blue soda can in one hand, dressed in a torn, dirty white tank top and denim shorts with a loose camouflage jacket draped over her shoulders, her bare legs crossed and dust-covered, her tattooed shoulders and arms marked with floral rose patterns. Behind her, a row of glowing computer monitors displaying data grids and tactical maps lines the right side of the room, a propped rifle and a small desk lamp punctuating the cluttered, industrial interior, while the vast background reveals a sprawling, burning city skyline of skyscrapers engulfed in orange fire and billowing dark smoke under a heavy, overcast, apocalyptic sky, with distant retro spacecraft silhouettes drifting across the smog. The lighting is dramatic and painterly, with warm interior highlights on her face and the glowing screens contrasting against the cold, smoky, ember-lit exterior, the color grading dominated by deep umber shadows, burnt orange, smoky grey, and muted teal accents, the depth of field keeping the foreground figure and the burning skyline both narratively sharp within the rich, textured gouache-and-oil illustration, the overall look evoking a nostalgic vintage 1970s retro sci-fi book cover with bold, hand-painted brushwork, dramatic chiaroscuro, and an exotic, otherworldly pulp atmosphere.

Cyberpunk

Aspect Ratio change to Portrait

Spoiler: Prompt

A black-and-white charcoal drawing rendered in fine graphite and smudged charcoal on textured paper, depicting a vast cyberpunk megacity at night. The foreground shows a wet, reflective concrete platform with metal railings, pipes, a steel utility box, and a small equipment crate on the left. On the right sits a heavily detailed custom sport motorcycle with a sleek angular fairing, exposed chain drive, dual exhaust pipes, spoked wheels, glowing tail light, and a small wolf emblem on the bodywork, branded with the text \"KITSUNE.\" In the left-midground stands the main subject, Maeve, a 45-year-old Irish woman with a soft hourglass silhouette, posed in a relaxed contrapposto stance with her weight on one leg, one hip slightly shifted, head turned toward the viewer, her gaze calm and direct. She wears dark sunglasses, a black leather biker jacket with a small fox patch on the shoulder, a fitted black tank top, and full black leather motorcycle pants with reinforced knee and thigh panels, finished with black leather combat boots. Her red hair is pulled back into a strict, tight bun, and a tiny, delicate gold septum ring is visible, with a threader earring carrying an emerald-green teardrop pendant in her left ear; her blue eyes and the gold and emerald accents read as the only colored details of the figure. She has visible tattoos on her neck, hands, and forearm, and a lit cigarette held between her lips with a thin trail of smoke rising. The background is a dense skyline of towering skyscrapers, elevated transit lines, and floating vehicles, covered in glowing signage and holographic billboards reading "HOTEL," "TOKYO," "NEO TOKYO 1987," "KITSUNE," and a large projected female face, all rendered in grayscale tonal values. The entire scene is built with dense cross-hatching, soft smudged shadows, and crisp white highlights, lit by diffuse neon glow and atmospheric haze, with a shallow depth of field that softens the distant cityscape into a luminous backdrop. The composition is a wide, low-angle three-quarter view framed at roughly a 35mm focal length, balancing the standing figure on the left against the motorcycle on the right, with wet-surface reflections anchoring both subjects to the ground. The overall medium is a monochrome charcoal-and-graphite drawing, high-contrast, with rich tonal range from deep blacks to bright paper-white highlights, no color in the environment, preserving only the specified colored accents on the person.

Selbst mit einem einzeiler wies diesem "A female Racer beside her motorcycle at the race-track" bring Moss ein für mich recht gutes Ergebnis. MOSS hält sich selbst bei dieser Sitaution ziemlich akkurat an die Depth die man vorgibt.

Fazit > Ich habe bis jetzt keine Depth Control ausprobiert, die so akkurat wie bei MOSS-Image agiert. Bei KREA2 hatte ich sehr oft das Problem, dass wenn KREA2 meinte, der Prompt müsse anders aussehen, die Depth Map absolut ignoriert wurde, oder wenn Personen im Spiel waren, Körperteile unnatürlich verbogen wurden.

Also, wenn man ein Bild oder eine Depth Map hat, die man nutzen will, kann MOSS-Image das sehr gut umsetzen.

Wenn man so dumm dreist wie ich ist und dann noch die Aspect Ratio des Originals verbiegt, muss man je nachdem, wie man das Bild anpasst, natürlich mit Veränderungen rechnen. Jede Veränderung staucht, zieht oder verzehrt das Bild eben, auch wenn es nur minimal ist; je nachdem, was man versucht, fällt es mehr oder weniger auf. Ich meine aber das es je nachdem mir aber Wert es die Aspect Ratio zu verändern.

Die originale Aspect Ratio macht hingegen absolut null Probleme.

Also, meine Empfehlung bekommt die MOSS-Depth Control auf jeden Fall! Und wenn man sich einen Prompt Refiner, der auch Bilder erkennen kann, dazwischenhängt, kann man mega gut auf Basis der vorhandenen Depth Map seine neuen Ideen umsetzen, wie ihr oben seht (wobei ich diesmal eher unkreativ war ^^).

Was mir besonders gefallen hat, man kann die zusätzlichen Nodes einfach in seinen vorhandenen Workflow einbauen und muss keinen Vollumbau machen. Also einfach den eigenen MOSS-Workflow clonen und einbauen und los geht es.

Dadurch, dass man natürlich ein Bild bzw. eine Depth Map lädt, ist der Speicherbedarf höher. Ich habe meinen Textinterpreter auf die CPU gezwungen, damit der Mehrbedarf an VRAM nicht dazu führt, dass Daten ausgelagert werden und das Generieren dadurch permanent Daten zwischen Speicher und VRAM hin und her schaufeln muss. Es dauert dann einen Tick länger, aber mit meinem AI Refiner, der Depth-Map-Erstellung und dem Generieren liege ich so bei etwa 180–200 Sekunden, was ich für 50 Steps noch verkraften kann. Wenn ich rein handgeschriebene Prompts nutze, könnte ich locker 60-80 Sekunden noch einsparen.

Mir machen die 2–3 Minuten aber nichts aus, da ich es hier nicht darauf anlege, Masse zu erstellen – ich bin eh einer, der versucht, viele Details zu bestimmen. Bei den Tests hingegen waren die Vorgaben an den Refiner eher simpel (wie z. B. ‚Beschreibe das Bild in allen Facetten, ändere den Style zu…, tausche die Person aus gegen…‘), weil ich einfach die Depth Control testen wollte. Von dem Aspekt her finde ich, dass sich die Ergebnisse absolut sehen lassen können.

Hoffe, das hilft euch weiter in Bezug auf MOSS und Depth Control. ^^
_____________

Zu MiniMax Image ^^ Meine ersten Tests machen mich eher skeptisch, ob ich das Tool neben KREA2 oder MOSS Image noch nutzen werde. Ich habe mehrere Sachen ausprobiert und mir dann mit meinem Refiner einen Prompt gebaut, mit dem ich KREA2, MOSS Image und MiniMax Image mal testen werde. Wenn alles passt, kommen später mal Bilder.

 

[MechanimaL]

@CountSero https://www.reddit.com/r/StableDiff...simagesft_control_loras_pose_depth_canny_and/ gibts seit kurzem (steht zwar sft dran, geht aber auch mit Base)

 

[MuhSagtDieKuh]

Ja, das war mir auch aufgefallen. Aber probier mal LCM/simple und ggf noch höhere Auflösung (hier 24-32mp):Anhang anzeigen 1776865Anhang anzeigen 1776868Anhang anzeigen 1776867Anhang anzeigen 1776916

Schon sehr gute Detaildarstellung, zb. Oberfläche, Kleidung, Haut usw.; Man darf gespannt sein, was jetzt noch alles kommt

Der VAE von dem Ding ist einfach kacke, der macht aus einem Mini-Latent ein Riesen Bild….du brauchst also eine extrem hohe Output Auflösung, damit die die latent Auflösung hoch genug ist für Details….hat die Marketing Abteilung ihnen wohl gesagt „Wir brauchen unbedingt 16 MP Output“ 🙄🙄🙄😂😂😂

 

[CountSero]

Ich werde mit MiniMax Image nicht warm^^ 16 MP sind imho tatsächlich das Minimum, das ich einstellen muss, wenn es nach etwas ausschauen soll. Aber das Wortverständnis ist absolut strange, das scheint fast wie ein RAW-Modell zu sein. Ich habe mal einen der Surfer-Prompts genommen und daran gemerkt, dass es ein "offenes“ Modell ist ^^ Für mich ist es keine Alternative zu MOSS oder KREA2.

@MechanimaL: Die habe ich gestern auch schon entdeckt, muss ich mal schauen. Aber Pose ist noch weniger mein Ding als Depth Control ^^ Anscheinend ist die LoRA, die ich nutze, auch nur noch über ComfyUI zu finden.

 

[MechanimaL]

Die VAE scheint nicht ausschlaggebend für das beobachtete Problem zu sein (Bildprobleme, die wie jpeg Kompression usw. aussehen, insb. bei "niedrigeren" Auflösungen).

Die Ursache für die schlechte Bildqualität, insbesondere bei niedrigeren Auflösungen, liegt nach aktuellem Kenntnisstand vermutlich an einem zu aggressiven Denoising-Schedule und Problemen im T2I-Modus ohne Bildkonditionierung.

Bisherige Workarounds sind das Anschließen eines beliebigen Input-Bildes (selbst ein schwarzes 1-Pixel-Bild), das Anpassen des Schedules (z. B. letzte Sigma-Schritte überspringen) sowie evtl. alternative Scheduler wie NORMAL (teste ich gleich mal). Ein zusätzlicher Refiner-Pass kann die Bildqualität ebenfalls verbessern.

Kijai arbeitet bereits an einer neuen Node, da er entdeckt hat, dass bereits 64 Vision Tokens den internen Edit-Modus aktivieren und dadurch die Bildqualität deutlich verbessern können – unabhängig vom eigentlichen Bildinhalt.

Hier noch ein kurzes Vergleichs-Video von User Alex240z, mit und ohne angeschlossenem Bild (1MP):

 

[samuelclemens]

Also brauch ich mich vorerst nicht weiter bemühen MiniMax Image zum laufen zu bringen?🤔
Mit einer frischen neuinstallation von ComfyUI Portable hab ich nun die notwendige node aber dafür wurden drei neue Fehlermeldungen ausgespunkt.
danach hatte ich kein bock mehr... 😒

 

[MechanimaL]

Warum nicht, das sind einfach Optimierungen, die immer passieren, wenn ein Modell neu released wird. Beim Öffnen bzw. Ausführen des Workflows für Minimax Image hast Du 3 Fehlermeldungen? Du musst die Modelle wie links im Workflow verlinkt an den angegebenen Ort legen, das hast Du getan, bevor Du es versucht hast?

 

[samuelclemens]

@MechanimaL Hab ich alles. Das waren irgendwelche anderweitigen Errormeldungen.
Wenn das Modell momentan eh nicht für meine zwecke zu gebrauchen kann ich warten auf das verbesserte Version.
Auf dem KI Spielplatz stehen so viele tolle Spielgeräte rum, da hat man jeden tag was neues... 😅 🛝

 

[MechanimaL]

hier mal der vergleich, wenn man ein 1x1 pixel bild als input gibt oder keines, ansonsten gleiche settings (in dem fall mal mit 16mp, euler/simple):

 

[CountSero]

Das mit dem Image Input habe ich gestern auch bereits per Zufall raus gefunden und je nach Image Input fällt das Ergebnis auch anders aus. Aber überzeugt bin ich dennoch nicht wirklich, ich werde es mal im Auge behalten.

Die Edit Funktion hingegen ist wohl recht passabel, da werde ich wohl mal im Detail schauen. Aber die Bearbeitungszeiten sind schon argh lang ^^

 

[samuelclemens]

Ist jemandem eigentlich schon aufgefallen das Pika H3 Flex nen Musicaldachschaden hat!?
Wenn man den Prompt komplett leer lässt haut das Teil mit egal welchem Referenzbild nen Gesangsvideo raus. Und das noch nicht mal so schlecht.
Auch wenn man im Prompt zum Ablauf lücken hat die es zu füllen gibt baut es Gesang ein.
Pika ist extrem Ressourcenschonend und schnell.
Hab heute zum ersten mal ein ansehbares 40s Video am stück mit 0,5 MP geschafft in knapp einer Stunde.
Sogar 2 MP mit 20s sind drin.
Ich würd gern mal testen inwieweit man das ganze gezielt für Songvideos nutzen könnte ..

 

[MuhSagtDieKuh]

hier mal der vergleich, wenn man ein 1x1 pixel bild als input gibt oder keines, ansonsten gleiche settings (in dem fall mal mit 16mp, euler/simple):
Anhang anzeigen 1777062

OK, der Unterschied ist tatsächlich beachtlich, bringt das Modell von "unbrauchbar" zumindest in die Region "Ganz OK, mal sehen..."

Ist die Frage, warum Comfy im Default so einen schrottigen workflow ausliefert...testet sowas niemand vorher? 🫥

 

[MechanimaL]

Der Fun Part des Modells ist auf jedenfall das Editieren/Kombinieren, aber auch coole Bilder sind möglich.

 

[CountSero]

Also, ich experimentiere gerade mit eigenen Custom Schedulers, die ich mit einer KI zusammen philosophiert habe.

Mit dem rho_log konnte ich auf 4MP (2720x1536) schon einmal ein fast brauchbares Bild generieren (mit einem 80x80 Bild als Image_0 Input).

Image generated with minimax_h3_image_pruned_w4a8 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 2720x1536 | seed: 1976, steps: 36, cfg: 1.2, sampler: lcm, scheduler: cosine_log, denoise: 1.0

Als Test habe ich meinen "Sandstorm" Prompt von weiter vorne genommen.

Spoiler: Prompt

Epic wide-angle full-body photorealistic interior shot of a 45-year-old Irish woman with a soft hourglass silhouette and highly defined abdominal muscle separation creating crisp visible lines across her midriff, striking emerald green eyes now softly closed, vibrant red hair swept into a loose messy bun pinned with a small golden hair clip, a delicate golden septum hoop piercing her nose, and a faint peaceful smile on her lips. She reclines fully barefoot on a sleek designer black leather chaise longue with a polished chrome frame, one arm draped casually behind her head, the other resting flat against her stomach, torso relaxed and slightly arched against the curved leather seat. She wears a pristine white silk tailored suit, the jacket unbuttoned revealing the fine silk lining,the smooth cotton of the inner shirt and a silk zipper shirt with golden zippers, the trousers falling naturally with soft fabric draping over her hips and thighs, the silk catching subtle highlights from the ambient light. She wears high-end designer over-ear headphones resting on her head, a long cable trailing behind her across the floor toward a distant hi-fi shelf, connectet to the amplifier. On the polished black-and-white marble floor, her emerald-green stilettos lie discarded beside the chaise longue, the sharp Italian leather catching reflections from the glossy stone. beside the chaise longue, a small glass side table holds a tumbler of iced whisky with glistening condensation on the glass. The background reveals a massive floor-to-ceiling panoramic window framing a lush green rolling landscape, while on the far horizon an enormous ominous orange sandstorm wall looms across the sky, casting a warm amber backlight across the entire room. On the far wall, a minimalist hi-fi shelf holds a premium tube amplifier with glowing warm tubes, a sleek designer turntable spinning a vinyl record, a graphic equalizer with visible frequency bars, and a small framed picture bearing bold typography reading "SONG NAME?". The black-and-white polished marble floor mirrors the entire scene in sharp crisp reflections, doubling the chaise longue, the marble patterns, and the warm orange glow from the distant storm. Photorealistic cinematic wide-angle lens, 24mm perspective, shallow depth of field with the background landscape and sandstorm slightly softening, natural volumetric lighting from the panoramic window with the orange storm providing dramatic rim backlight and warm atmospheric haze, rich skin texture on her face and hands, realistic fabric behavior of the silk suit with natural gravity folds and soft creases, professional interior design lighting, 85mm macro detail on the chrome frame and glassware, high-resolution digital photography, color grading with cool marble tones contrasted against the warm orange exterior. Down in the bottom right corner of the frame, the artist signature in neon-teal stylized handwriting shows "CountSero" with a decorative stylized underline.

Es ist lange noch nicht perfekt, ich muss hier noch ein bisschen finetunen, aber imho kann man es für ein 4MP-Bild schon echt ok finden. Zumindest für mich ^^

Nachteil sind ein paar Steps mehr, 36 anstelle der 6.Es liegt daran, dass der Logarithmus-Anteil hier den Rho-Wert ziemlich glattzieht, daher die Mehrschritte.

Dafür Braucht es durch das kleinere Latent weniger VRAM ^^


Und ja das Edit ist recht Brauchbar, wobei das Ergebnis stark vom Sampler abhängt.

Image generated with minimax_h3_image_pruned_w4a8 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 1920x1088 | seed: 1976, steps: 6, cfg: 1.0, sampler: euler, scheduler: two_stage_tanh, denoise: 1.0

Image generated with minimax_h3_image_pruned_w4a8 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 1920x1088 | seed: 1976, steps: 6, cfg: 1.0, sampler: er_sde, scheduler: two_stage_tanh, denoise: 1.0

Image generated with minimax_h3_image_pruned_w4a8 via ComfyUI using the following settings:
Step 1 (Classic KSampler) | Resolution: 1920x1088 | seed: 1976, steps: 6, cfg: 1.0, sampler: euler, scheduler: two_stage_arctan, denoise: 1.0