# SamplerLCMUpscale

این گره یک روش نمونه‌گیری تخصصی ارائه می‌دهد که نمونه‌گیری Latent Consistency Model (LCM) را با بزرگ‌نمایی تدریجی تصویر ترکیب می‌کند. در حین نمونه‌گیری، تصویر با استفاده از یک روش درون‌یابی انتخاب‌شده، گام‌به‌گام به‌سمت نسبت مقیاس هدف بزرگ‌نمایی می‌شود و این امکان را فراهم می‌کند که در یک پاس نمونه‌گیری، نتیجه‌ای با وضوح بالاتر به دست آید. این گره یک شیء sampler پیکربندی‌شده خروجی می‌دهد که می‌توان آن را به یک گره نمونه‌گیری متصل کرد.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `نسبت بزرگ‌نمایی` | ضریب مقیاس کل که در حین بزرگ‌نمایی اعمال می‌شود. مقدار 1.0 وضوح اصلی را حفظ می‌کند (پیش‌فرض: 1.0) | FLOAT | بله | 0.1 - 20.0 |
| `گام‌های بزرگ‌نمایی` | تعداد گام‌های مورد استفاده برای فرایند بزرگ‌نمایی. برای محاسبه خودکار بر اساس زمان‌بندی نمونه‌گیری از -1 استفاده کنید (پیش‌فرض: -1) | INT | بله | -1 - 1000 |
| `روش بزرگ‌نمایی` | روش درون‌یابی مورد استفاده برای بزرگ‌نمایی تصویر در هر گام بزرگ‌نمایی (پیش‌فرض: "bislerp") | COMBO | بله | "bislerp"<br>"nearest-exact"<br>"bilinear"<br>"area"<br>"bicubic" |

`scale_ratio` و `scale_steps` پارامترهای پیشرفته هستند. تصویر طی گام‌های بزرگ‌نمایی، به‌تدریج از اندازه اصلی خود تا `scale_ratio` هدف بزرگ‌نمایی می‌شود. وقتی `scale_steps` برابر -1 باشد، تعداد گام‌های بزرگ‌نمایی به‌صورت خودکار حدوداً نصف تعداد گام‌های نمونه‌گیری محاسبه می‌شود، با حداقل 2؛ وقتی مقدار مثبتی داده شود، گره آن را به‌صورت داخلی تنظیم می‌کند و بر اساس تعداد کل گام‌های نمونه‌گیری آن را محدود می‌کند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `sampler` | یک شیء sampler پیکربندی‌شده که نمونه‌گیری LCM را همراه با بزرگ‌نمایی تدریجی انجام می‌دهد و آماده استفاده در خط لوله نمونه‌گیری است | SAMPLER |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/SamplerLCMUpscale/fa.md)

---
**Source fingerprint (SHA-256):** `5d6f6472fbb4d2c66a8a8b9d6dc34dcc52ac8272589fd6c29e4084d6cab3141b`
