🦊PixelDiT / PiD

👈 |

👉 |

参考

Nvidia製のピクセル拡散モデル

モデルのダウンロード

diffusion_models

text_encoders

code:text

📂ComfyUI/

└── 📂models/

├── 📂diffusion_models/

│ └── pixeldit_1300m_1024px_bf16.safetensors

└── 📂text_encoders/

└── gemma_2_2b_it_elm_bf16.safetensors

text2image

https://gyazo.com/fd716c0bb5f65a54aad3363c31da7d15

PixelDiTを活用して、既存latent diffusion モデルのVAE decodeを肩代わりする(ついでにアップスケールする)

4ステップモデル

モデルのダウンロード

VAE / latent空間に合わせて適切なPiDを選ぶ (対応しているモデルしか使えない)

SDXL用PiD

Qwen-Image用PiD

Flux1用PiD

e.g. Z-Image / Z-Image-Turbo

Flux2用PiD

e.g. Flux.2

code:models

📂ComfyUI/

└── 📂models/

└── 📂diffusion_models/

├── pid_flux1_512_to_2048_4step_bf16.safetensors

├── pid_flux1_1024_to_4096_4step_bf16.safetensors

├── pid_flux2_512_to_2048_4step_bf16.safetensors

└── pid_flux2_1024_to_4096_4step_bf16.safetensors

Z-Image-Turbo_PiD_ 4k

https://gyazo.com/be589a49f195194b86b2ccef61cdc250

PiDでの生成サイズは、モデルに合わせてZ-Imageの生成サイズから拡大させる

今回は 1024_to_4096 を使ったので、4倍に

OOMする場合、もしくは縦長・横長画像で出力が荒くなったときに使う