Epsilon Scaling - ComfyUI Built-in Node Documentation

본 노드는 연구 논문 “Elucidating the Exposure Bias in Diffusion Models” (arxiv.org/abs/2308.15321v6)의 엡실론 스케일링(Epsilon Scaling) 방법을 구현합니다. 이 방법은 샘플링 과정에서 예측된 노이즈를 스케일링하여 노출 편향(exposure bia

본 노드는 연구 논문 “Elucidating the Exposure Bias in Diffusion Models” (arxiv.org/abs/2308.15321v6)의 엡실론 스케일링(Epsilon Scaling) 방법을 구현합니다. 이 방법은 샘플링 과정에서 예측된 노이즈를 스케일링하여 노출 편향(exposure bias)을 줄이는 방식으로 작동하며, 이를 통해 생성된 이미지의 품질이 향상될 수 있습니다. 본 구현은 논문에서 실용성과 효율성 측면에서 권장하는 ‘균일 스케줄(uniform schedule)‘을 사용합니다.

​

입력

매개변수	설명	데이터 타입	필수	범위
모델	엡실론 스케일링 패치가 적용될 모델입니다.	MODEL	예	-
스케일링 계수	예측된 노이즈가 스케일링되는 계수입니다. 1.0보다 큰 값은 노이즈를 줄이고, 1.0보다 작은 값은 노이즈를 증가시킵니다 (기본값: 1.005). 이는 고급 매개변수입니다.	FLOAT	아니요	0.5 - 1.5 (단계: 0.001)

참고: scaling_factor가 0으로 설정된 경우, 노드는 0으로 나누기를 방지하기 위해 매우 작은 값(1e-9)으로 자동 대체합니다. UI의 최소값 0.5는 일반적으로 이러한 상황이 발생하지 않도록 합니다.

​

출력

출력 이름	설명	데이터 타입
model	엡실론 스케일링 함수가 샘플링 과정에 적용된 입력 모델의 패치 버전입니다.	MODEL

이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! [GitHub에서 편집](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/Epsilon Scaling/ko.md)

---

Source fingerprint (SHA-256): 8d258c7bb853940922402f1009d777bfc71e88704fd2f615f569c214ddbeac64