ComfyUI-SelfLift：免训练渐进分辨率采样插件，适配图像与 MiniMax H3 视频模型

ComfyUI-SelfLift 是一个基于 SelfLift-zero 论文理念的 ComfyUI 自定义节点包。它通过渐进分辨率采样技术，在前期去噪步骤使用低分辨率 latent，随后提升至全分辨率并收尾，从而在不增加去噪评估次数（NFE）的前提下显著加速图像生成。此外，该插件还包含针对 MiniMax H3 音视频模型的实验性适配及时间稳定性校正工具。

• GitHub：https://github.com/facok/comfyui-SelfLift
• 项目主页：https://happygirlty.github.io/SelfLift_res

核心功能

1. SelfLift Progressive Sampler (Image)

专为 Rectified-Flow 图像模型（如 FLUX, Z-Image-Turbo）设计。

• 工作原理：前 transition_step 步在低分辨率（lowres_scale）下运行，随后将 Latent 上采样至目标分辨率，并利用 VAE 像素锚点（Pixel Anchor）进行修正，最后完成剩余去噪步骤。
• 优势：保持相同的 NFE，但大幅减少早期高分辨率计算的开销。
• 关键参数：
  • transition_step: 低分辨率阶段步数（例如 FLUX.2-Klein 4步取3，Z-Image-Turbo 8步取6）。
  • rho: 向像素 VAE 锚点修正的比例（FLUX.2-Klein 建议 0.4，0 为关闭）。
  • latent_upsample: 插值方式（nearest/bilinear）。
  • model_hires: 可选的高分辨率阶段专用模型（需同架构）。

2. SelfLift Progressive Sampler (MiniMax H3)

针对 MiniMax H3 音视频模型的实验性适配。

• 两种模式：
  1. 外部 Upscaler（默认）：配合学习式 Latent Upscaler 模型使用，rho=0。
  2. SelfLift-zero 模式：upscaler_model=none 且 rho>0。利用 H3 VAE 进行像素级锚点修正。
     • H3 推荐起点：rho=0.6, w_min=w_max=1。
• Highres Tiling（实验性）：将高分辨率阶段切分为 1-8 个空间块以节省显存，但会牺牲部分全局注意力一致性。

3. H3 Temporal State Transport (TST)

一个免训练的 MODEL 补丁节点，用于提升 H3 视频生成的时间稳定性。

• 作用：抑制帧间闪烁、纹理变形、身份漂移及非物理运动。
• 原理：测量帧级注意力算子的“谱张力”，仅对失衡的注意力头进行校正，并在深层和早期去噪步施加更强校正。
• 开销：极低（约 1-2% 运行时间增加）。
• 推荐参数：tau=0.2。

安装与依赖

1. 安装插件：通过 ComfyUI Manager 搜索 comfyui-SelfLift 或手动克隆至 custom_nodes。
2. 可选 H3 Upscaler：
   • 从 LBH-123-AI/Minimax_h3_latent_Upscaler 下载模型。
   • 放入 ComfyUI/models/latent_upscale_models/ 目录并重启。

使用指南与最佳实践

图像生成 (FLUX/Z-Image)

• 采样器限制：必须使用 Standard Euler 采样器，调度器沿用模型默认。其他采样器会被拒绝。
• VAE 匹配：必须使用与生成模型所属相同的 VAE，以确保像素锚点在同一 Latent 空间。
• Noise Mask 支持：支持局部重绘语义（1=生成，0=保留），Mask 会自动缩放至 Latent 网格。

MiniMax H3 视频生成

• 诊断测试：建议固定 Prompt 和 Seed，对比不同 rho 和 upscaler 组合的效果。
  • 直接路径 (rho=0, upscaler=none): 速度快，但可能有伪影。
  • 强修正 SelfLift-zero (rho=0.6, w=1): 消除主要伪影，推荐起点。
• TST 启用：在 Model 加载后连接 H3 TST 节点，无需更改采样流程。若出现控制台警告，请检查是否与 highres_tiling 冲突（二者不兼容）。

调试与环境变量

日志关键词：

• [SelfLift plan]: 显示实际的 Latent 形状、NFE 数及提升路径。
• [H3 TST]: 输出每帧的张力校正诊断数据。

注意事项与限制

1. 仅限 Euler 采样器：不支持 s_churn > 0 或其他高级采样器。
2. H3 分辨率分布：768px 短边在 lowres_scale=0.5 时为 384px，可能超出骨干训练分布，需自行验证画质。
3. 兼容性：
   • noise_mask 与 highres_tiling 不兼容。
   • H3 TST 与 highres_tiling 不兼容。
   • TST 仅支持 MiniMax H3，其他模型静默跳过。
4. SelfLift-rich：需要蒸馏训练的进阶版本不在本插件范围内。