Escalado fotorrealista: separación de frecuencias
Guía práctica de escalado en dos etapas, separación de frecuencias para reiluminación, prompts Ultra-HD y comparación de upscalers.
On this page
Escalado fotorrealista: separación de frecuencias y workflows
TL;DR:
- Flujo en dos etapas: re-muestreo con ControlNet Tile → upscaler dedicado (NMKD Superscale/SeedVR2) para evitar muros de VRAM y preservar textura.
- Nodos de separación de frecuencias (Powered_JJ) preservan texto y detalles finos al reiluminar productos al desacoplar el detalle de alta frecuencia.
- Piel y tela exigen escalado distinto; no hay benchmarks publicados sobre preservación de poros ni fidelidad del tejido.
¿Por qué un escalado en dos etapas?
El flujo RLY de fotorrealismo divide el escalado en dos etapas: un primer pase de re-muestreo con Xinsir ControlNet Tile (modelo) a alto denoise, seguido de un pase con modelo dedicado con SeedVR2 o un upscaler por tiles 1. El autor del flujo especifica condicionamiento ControlNet con fuerza 0,5 (inicio 0,35, fin 0,95) y denoise 0,55 en 16 pasos Karras, lo que preserva la estructura del sujeto mientras permite libertad para refinar detalles 1. La segunda etapa re-muestrea el resultado — en el adjunto RLY, SeedVR2 se aplica a fotogramas individuales a hasta 4096×4096 1.
La codificación VAE por tiles (tile de 512, solapamiento de 64, batch 8) se usa en ambas etapas para mantenerse dentro de los límites de VRAM 1. En la primera etapa también se reduce la imagen por 0,36× con Lanczos antes de re-codificar, una elección que el autor documenta sin explicarla 1. Las notas del flujo sugieren ajustar denoise y fuerza de ControlNet en direcciones opuestas: menor denoise con mayor fuerza de ControlNet mantiene el sujeto intacto; mayor denoise con menor fuerza de ControlNet da más libertad al modelo para añadir detalle 1.
Separación de frecuencias en reiluminación
El flujo Product Photography Relight v3 usa nodos ComfyUI personalizados desarrollados por el usuario de Reddit Powered_JJ para implementar la separación de frecuencias de forma nativa 2. Pipeline: generar o cargar una foto de producto, segmentar el sujeto con SAM (sam_vit_b_01ec64.pth) y GroundingDINO (GroundingDINO_SwinT_OGC), generar un fondo nuevo, mezclar el producto original encima y reiluminar a través de una máscara 2. El paso de separación de frecuencias — una serie de nodos que operan a distintas frecuencias espaciales — se reporta como mantenedor de detalles finos como el texto tras la reiluminación 2. El pipeline se probó con epicrealism_naturalSinRC1VAE (SD 1.5) a CFG 2–3 e IC-Light co…
El autor describe la técnica como descomponer la imagen en una capa de baja frecuencia (tono, iluminación) y una de alta frecuencia (textura, bordes, detalle fino), procesarlas por separado y recomponerlas 2. El valor del multiplicador IC-Light de 0,15 aparece en el flujo (IC-Light) 2; sin embargo, ninguna documentación técnica independiente verifica el rango óptimo de estos nodos. Para piel y tela, el autor afirma que esta separación hace que los cambios de reiluminación en tono y sombra no sobrescriban la estructura de poros o el patrón de tejido almacenado en la capa de alta frecuencia 2; este mecanismo no se ha verificado de forma independiente.
Variantes de prompt Ultra-HD-Details
Un autor de la comunidad probó cuatro variantes de prompt Ultra-HD y documentó sus efectos 3. El token central, "Ultra-HD-details", produjo resultados inesperadamente realistas en un checkpoint anime que antes nunca había generado fotografías reales 3. Se identificaron dos variantes complementarias: "Ultra-HD-detailed", que según el autor se centra directamente en el personaje y genera "el mejor gráfico de personaje posible", y "Ultra-HD-realistic", que hace lo que el nombre indica 3. Combinar las tres como (((Ultra-HD-details, Ultra-HD-detailed, Ultra-HD-realistic))) dio resultados "impresionantes" en checkpoints anime al combinarlas con un LoRA, pero el autor advierte i…
Los prompts son observaciones reportadas por la comunidad, no claims con benchmark ni verificación por pares. El autor señala que un checkpoint concreto llamado "something" generó artefactos futuristas; la corrección fue añadir "changing-human:2" al negativo y "reallife-lifelike-likenes" al positivo 3.
Elegir un modelo de upscaler para piel y tela
La elección del modelo de upscaler produce resultados materialmente distintos para piel frente a tela. La guía de AbdallahAlswa80 categoriza los modelos por caso de uso 4: RealESRGAN funciona para escalado general 2×–8× en imágenes reales y sintéticas; BSRGAN maneja mejor las entradas ruidosas o borrosas; 4x-UltraSharp está optimizado para nitidez 4. SwinIR se reporta como mejor preservador de detalles finos de textura que ESRGAN, pero ejecuta más lento; NMKD Superscale apunta a salida ultra alta calidad 4×–8× pero requiere más VRAM 4. Para ComfyUI específicamente, las opciones recomendadas son Ultimate SD Upscale (Tiled Diffusion + ControlNet Tile, usando ESRGAN/RealESRGAN por debajo)…
Piel. La guía publicada por la comunidad identifica Topaz Gigapixel AI como la mejor para rostros; RealESRGAN es la alternativa gratuita 4. No existe comparación publicada entre estos modelos centrada específicamente en la preservación de textura de piel a nivel de poro — la guía de AbdallahAlswa80 no contiene benchmarks ni recortes de prueba específicos de piel 4.
Tela. Ninguna fuente de la investigación compara upscalers por fidelidad del tejido textil. La observación general de que SwinIR preserva "restauración de alto detalle, especialmente texturas" 4 aplica a la tela en principio, pero no se ha verificado de forma independiente para patrones de tejido.
Modelo | Rango de escalado | Fortalezas | Limitaciones
|-------|------------------|------------|-------------
RealESRGAN | 2×–8× | General, gratuito, ampliamente soportado | Puede introducir artefactos si se abusa BSRGAN | 2×–8× | Mejor que ESRGAN en imágenes ruidosas/borrosas | Misma categoría que ESRGAN 4 4x-UltraSharp | 2×–8× | Optimizado para nitidez | Misma categoría que ESRGAN 4 SwinIR | Variable | Mejor preservación de detalle fino que ESRGAN 4 | Más lento que ESRGAN 4 NMKD Superscale | 4×–8× | Funciona bien con salidas de SD 4 | Requiere más VRAM 4 Topaz Gigapixel AI | 6× | Mejor de su clase para rostros y texturas 4 | De pago (99 $), código cerrado 4 Ultimate SD Upscale (Tiled Diffusion) | 2×–8× | Procesamiento por tiles evita problemas de VRAM; funciona con SD 1.5/SDXL 4 | Más lento que ESRGAN 4
Errores comunes y soluciones
Problema | Lo que reporta la fuente | Corrección reportada
|---------|-------------------------|---------------------
Artefactos futuristas/de ciencia ficción con Ultra-HD-details | El checkpoint "something" sobreinterpreta los tokens UHD | Añadir ["changing-human:2"] al negativo + ["reallife-lifelike-likenes"] al positivo 3 Rostros monstruosos en checkpoints anime usando "realistic" | Conflicto de token entre "realistic" y el espacio latente anime | Evitar la palabra "realistic" en el prompt; usar variantes Ultra-HD 3 Buenas manos sin prompt negativo | Con "viewer's-attention" en el negativo, solo 2/10 imágenes tuvieron manos perfectas; al quitarlo subió a 6–7/10 3 | Quitar "viewer's-attention" del prompt negativo 3 La palabra "epic" se renderiza literalmente en imágenes | El token "epic" se decodifica como texto visible | Añadir ["epic"] al string del prompt negativo 3
Fuentes
| Fuente | Contribución |
|---|---|
| https://civitai.com/articles/23466 | Flujo RLY de dos etapas, modelo de upscaler y enlaces (NMKD, Xinsir CN Tile, Lustify Endgame, SeedVR2, JoyTag) |
| https://civitai.com/articles/5393 | Pipeline Product Photography Relight v3 (SAM + GroundingDINO, IC-Light, nodos de separación de frecuencias de Powered_JJ) |
| https://civitai.com/articles/3538 | Variantes del prompt Ultra-HD-details, correcciones de prompt negativo y comportamiento por checkpoint |
| https://civitai.com/articles/13452 | Guía categorizada de upscalers con recomendaciones y consejos para ComfyUI |
| https://huggingface.co/xinsir/controlnet-tile-sdxl-1.0 | Tarjeta del modelo Xinsir ControlNet Tile y documentación de superresolución con Tile en SDXL |
| https://huggingface.co/lllyasviel/ic-light | Página del modelo IC-Light con enlace a GitHub para reiluminación de primer plano y fondo |
| https://huggingface.co/fancyfeast/joytag | Página del modelo de clasificación de imágenes JoyTag (tarea: clasificación de imágenes según la tarjeta) |
| https://civitai.com/models/1467390/upscalers | Recopilatorio de modelos de upscaler (35+ modelos, archivo de 2,22 GB) |
- Detalles del escalado en dos etapas
- Referencia técnica de separación de frecuencias
- Metodología de pruebas de prompts Ultra-HD
- Gráficos de comparación de upscalers
- Correcciones comunes de resolución de problemas
Los checkpoints anime generan marcos/fotos polaroid | Ultra-HD-realistic dispara conceptos de enmarcado | Añadir ["photo-frame"], ["polaroid"] o ["polaroid-photo"] al negativo 3 Los LoRA de personaje con pocas imágenes de entrenamiento colapsan | Los LoRA subentrenados no estabilizan el sujeto | Usar solo LoRA bien entrenados; bajar el peso del LoRA si hace falta 3 Los LoRA de mano infantil deforman las manos adultas | El LoRA entrenado en anatomía infantil choca con el prior de mano adulta | Bajar los pesos del LoRA de mano infantil; las manos adultas se ven menos afectadas 3
FAQ
¿Qué es la separación de frecuencias en ComfyUI? Un pipeline de nodos personalizados desarrollado por el usuario de Reddit Powered_JJ que descompone una imagen en capas de frecuencia para procesarlas por separado 2. Permite reiluminar y reemplazar el fondo sin sobrescribir detalles de alta frecuencia como texto o estructura de poros 2.
¿Qué upscaler es el mejor para piel fotorrealista? Topaz Gigapixel AI se identifica en la guía comunitaria como el mejor de su clase para rostros y texturas, pero no existe un benchmark publicado específico para la preservación de poros de la piel 4. RealESRGAN es la alternativa gratuita recomendada para fotos del mundo real 4.
¿Los prompts Ultra-HD-details funcionan en SDXL? El autor fuente reporta que las tres variantes Ultra-HD (details, detailed, realistic) funcionan igual en SD, SDXL y Apps 3. Es un claim comunitario no verificado de una sola fuente.
¿Por qué usar codificación/decodificación VAE por tiles? El procesamiento por tiles divide la imagen en tiles más pequeños (el flujo RLY usa tiles de 512 píxeles con solapamiento de 64 y batch 8) para mantenerse dentro de los límites de VRAM 1. Es un enfoque estándar en ComfyUI para imágenes grandes.
¿Puedo usar SeedVR2 para escalar una sola imagen? El flujo RLY alimenta fotogramas individuales a SeedVR2VideoUpscaler a hasta 4096×4096 1. El modelo está diseñado como upscaler de vídeo (arquitectura DiT) y ninguna documentación confirma un comportamiento óptimo en entrada estática de una sola imagen. El autor lo usa como segunda etapa tras el re-muestreo con ControlNet Tile.
¿Qué prompt negativo evita que "epic" aparezca como texto? El autor comunitario recomienda añadir ["epic"] como palabra en el prompt negativo para evitar que el tokenizador genere la palabra "epic" de forma visible en las imágenes 3.
¿Qué checkpoint funciona mejor con Ultra-HD-details? El autor fuente probó en checkpoints anime y reporta resultados consistentes de "imágenes realistas impresionantes" 3. En el checkpoint al que llama "something", el mismo prompt añadió elementos futuristas salvo que se corrigiera con "changing-human:2" en el negativo 3.