Hopp til innholdet
Norsk journal om kunstig intelligens 255 artikler Oslo --:--
TokenPrat
2 min lesetid Av TokenPrat-redaksjonen

Hvordan installere NVIDIA PiD (Pixel Diffusion) i ComfyUI

PiD fra NVIDIAs Spatial Intelligence Lab er ikke en egen bildegenerator, men en dekoder som erstatter VAE-steget i eksisterende diffusjonspipelines. Den tar de latente representasjonene fra en modell du allerede bruker – FLUX, FLUX.2, SD3 eller Z-Image – og konverterer dem direkte til høyoppløselige piksler i ett steg, i stedet for den tradisjonelle dekode-så-oppskaler-prosessen.

Hva PiD faktisk gjør

En vanlig VAE komprimerer og gjenoppbygger bilder, noe som gir mykere kanter og tap av detaljer ved høy oppløsning. PiD dropper rekonstruksjonssteget helt og genererer pikseldetaljer direkte gjennom en diffusjonsprosess, styrt av det latente innholdet fra basismodellen din. Ved hjelp av DMD2-distillasjon er hele dekodingen redusert til fire steg, noe som gjør den praktisk rask: på en RTX 5090 konverterer PiD et 512×512-latent til et 2048×2048-bilde på under ett sekund, med 13 GB toppminnebruk. Sammenlignet med SeedVR2 er PiD 5,9 ganger raskere ved samme 2K-oppløsning.

Hva du trenger før du starter

  • En fungerende ComfyUI-installasjon med en generativ modell du allerede bruker – FLUX.1, FLUX.2, SD3 eller Z-Image
  • Python 3.10 eller nyere
  • En NVIDIA CUDA-GPU (anbefalt)

Steg 1: Oppdater ComfyUI

Oppdater ComfyUI til nyeste versjon fra din eksisterende Comfy-mappe, eller installer den fra bunnen av dersom du ikke har den. PiD ble lagt til i ComfyUI-økosystemet 27. mai 2026, via community-noden ComfyUI-PiD.

Steg 2: Installer PiD-noden og last ned vektene

Installer ComfyUI-PiD-noden, og last ned PiD-modellvektene fra Hugging Face (nvidia/PiD). Koden er fullstendig åpen kildekode på GitHub (nv-tlabs/PiD), og lisensen tillater kommersiell bruk – en av de mer reelt åpne modellutgivelsene i denne serien av artikler.

Steg 3: Koble PiD til den eksisterende workflowen din

PiD erstatter kun dekode-noden i workflowen din – den genererende modellen (FLUX, SD3, Z-Image osv.) kjører uendret. Bytt ut standard VAE-dekode med PiD-noden, og du får ut skarpere bilder ved høyere oppløsning enn før, ofte med 4× til 8× oppskalering fra det latente utgangspunktet.

Steg 4: Generer og dekod lokalt

Med alt på plass kjører hele prosessen offline. Selve genereringen skjer i den underliggende modellen som før; forskjellen er at dekodingen til ferdig bilde nå er raskere og skarpere. På forbrukermaskinvare som RTX 5090 gjør dette 4K-dekoding praktisk gjennomførbart for første gang i denne hastigheten.

Oppsummering

PiD installeres via ComfyUI som en dekoder-node, ikke som en frittstående generator – du trenger fortsatt FLUX, SD3, Z-Image eller en annen kompatibel modell for selve bildegenereringen. Det som gjør PiD verdt å installere er hastigheten og skarpheten i dekodesteget, spesielt ved høyere oppløsninger. Se relaterte artikler:

Ressurser

Del

Les videre

Forsiden →
Forelesningssal om natten med en tavle full av krittdiagrammer, en laptop og høye stabler med manuskripter
· Forskning

OpenAI slapp over 700 matematikkbevis på én dag – Lean sjekker rundt 42 prosent av dem

6. oktober la OpenAI ut 722 matematiske manuskripter laget av en intern modell uten navn. Det mest interessante er metoden: en AI som tenker i timevis per problem, og et maskinelt verktøy som skal skille holdbare bevis fra tull.

Studiomikrofon med lysende fargede lydbølger i et mørkt lydstudio
· Modeller

Ming 3.0 TTS: Beste åpne stemmekloner med MIT-lisens – men den snakker ikke norsk

Ant Group har sluppet to talemodeller som kloner stemmer, designer nye fra en beskrivelse og ler, sukker og nøler på kommando. Den minste har bare 0,5 milliarder parametere, og lisensen er så åpen som det går an. Men står norsk på ønskelista, må du vente.

Menneskehånd og robothånd som holder hver sin trekloss med samme grep
· Forskning

FlashDexRetarget: Én policy for tusen håndbevegelser – og 100 ganger mindre GPU-tid

Roboter med fingre trenger enorme mengder treningsdata, og den billigste kilden er opptak av mennesker som håndterer ting. Problemet er å oversette en menneskehånd til en robothånd. Et nytt prosjekt fra KAIST og Holiday Robotics gjør det med én felles modell i stedet for én per bevegelse, og bruker