ComfyUI 업스케일 가이드: 최고의 모델, 설정 & VRAM 부족 해결

AI 업스케일링이란?

AI 업스케일링은 학습된 신경망을 사용하여 이미지 해상도를 높이면서 디테일을 지능적으로 재구성하는 기술입니다. 기존의 보간법(픽셀을 확대하여 흐릿하게 만드는 것)과 달리, AI 업스케일러는 사실적인 텍스처를 생성하고, 가장자리를 선명하게 하며, 원본에 없던 디테일을 추가할 수 있습니다.

이것은 ComfyUI에서 이미지를 생성한 후 특히 유용합니다 — SD1.5 같은 모델은 기본적으로 512×512 이미지를 생성하므로, 업스케일링으로 인쇄 품질 해상도까지 끌어올릴 수 있습니다.

빠른 설정

1. 업스케일 모델 다운로드

OpenModelDB에서 업스케일링 모델을 찾아볼 수 있습니다. 범용적이고 안정적인 선택으로 4x-RealESRGAN을 다운로드하세요.

2. 모델 설치

다운로드한 모델 파일을 다음 위치에 배치:

ComfyUI/models/upscale_models/

3. 워크플로우 구성

기본 업스케일링 체인은 2개의 전용 노드와 표준 I/O 노드를 사용합니다:

1. Load Image — 입력 이미지 (또는 생성 워크플로우에서 연결)
2. Load Upscale Model — 다운로드한 모델 선택
3. Upscale Image (Using Model) — 모델과 이미지 입력 연결
4. Save Image — 결과 확인 및 저장

전체 체인: Load Image → Upscale Image (Using Model) ← Load Upscale Model, 그 다음 → Save Image

추천 모델

각 업스케일러마다 잘하는 분야가 다릅니다:

대부분의 모델은 2x 또는 4x 업스케일링을 제공합니다. 4x 모델은 512×512 이미지를 2048×2048으로 변환합니다.

생성 워크플로우와 결합

가장 실용적인 사용법은 Text to Image나 Image to Image 생성 후에 업스케일링을 연결하는 것입니다:

Text Prompt → KSampler → VAE Decode → Upscale Image → Save Image

이렇게 하면 모델의 네이티브 해상도에서 생성하고(빠름), 최종 출력을 위해 업스케일(고품질)할 수 있습니다.

팁

• 생성 후에 업스케일, 생성 전이 아님 — 높은 해상도에서 생성하는 것은 훨씬 느리고, 작게 생성 + 업스케일에 비해 효과가 떨어짐
• 4x 모델이면 보통 충분 — 4x 이상은 의미 있는 디테일이 추가되는 경우가 드묾
• 멀티 패스 — 극단적인 업스케일링의 경우 하나의 4x 모델 대신 두 개의 2x 모델을 체인할 수 있음

VRAM 한계 대처법

큰 이미지의 업스케일링은 상당한 GPU 메모리를 사용할 수 있습니다. 메모리 부족 에러가 발생하면:

• --lowvram 플래그 사용 — ComfyUI 실행 시 메모리 사용량 감소
• 먼저 크기 줄이기 — 4x 대신 2x 모델을 사용하거나, 업스케일 전에 입력 이미지 리사이즈
• 타일 업스케일링 — 일부 커뮤니티 커스텀 노드(ComfyUI-TiledKSampler 등)가 이미지를 타일로 분할하여 각 타일을 개별적으로 업스케일한 후 다시 결합. VRAM 피크 사용량을 크게 감소시킴
• 멀티 패스 접근법 — 한 번의 4x 패스 대신 두 번의 2x 패스를 체인하여 단계별 메모리 요구사항을 줄임

다음 단계

• Text to Image — 업스케일할 이미지 생성
• Image to Image — 업스케일 전에 이미지 개선
• LoRA 가이드 — 생성에 스타일 다양성 추가