PreSampling (LayerDiffuse) 节点 | ComfyUI-Easy-Use(layerDiffusionSettings)
来自 ComfyUI-Easy-Use 的 PreSampling (LayerDiffuse) 节点。
layer Diffusion Settings
此节点是 Layer Diffusion 工作流的预采样控制节点。它将 Layer Diffusion 设置和采样器参数附加到 PIPE_LINE 上,使下游采样器节点能够以透明度感知的注意力或卷积行为运行,而不是普通的 Latent denoise。
描述
PreSampling (LayerDiffuse) 用于 EasyUse pipeline 中 KSampler 之前。它接收现有的 PIPE_LINE,应用已选择的 LayerDiffusion 方法和权重,并将修改后的 PIPE_LINE 继续向下传递。它还暴露了典型的采样控制参数:steps、CFG、sampler、scheduler、denoise 和 seed,让你可以在同一处配置整个生成过程。当提供可选的 image、blended_image 和 mask 输入时,此节点可以参与图生图或带遮罩的 LayerDiffuse 生成。
输入
-
pipe(
PIPE_LINE,必填):
上游 pipeline,包含模型、正面/负面条件、Latent 和其他采样器设置。此节点会从该 pipeline 读取数据,并将结果写回。 -
method(
COMBO,必填):
选择要应用的 LayerDiffusion 注入方法。可用选项取决于你的 LayerDiffuse 安装。请选择与当前使用的 LayerDiffuse 模型和工作流相匹配的方法。 -
weight(
FLOAT,必填):
默认值:1.0;最小值:-1.0;最大值:3.0;步长:0.05
控制 Layer Diffusion 效果的强度。数值越高,透明度感知的图层影响力越强;数值越低或为负值时,效果会减弱或反转。 -
steps(
INT,必填):
默认值:20;最小值:1;最大值:10000
要运行的采样步数。 -
cfg(
FLOAT,必填):
默认值:8.0;最小值:0;最大值:100
无分类器引导缩放系数。 -
sampler_name(
COMBO,必填):
默认值:euler
用于 denoise 的采样器。选项与 ComfyUI 的标准采样器列表一致。 -
scheduler(
COMBO,必填):
默认值:normal
与采样器配合使用的 scheduler。 -
denoise(
FLOAT,必填):
默认值:1.0;最小值:0;最大值:1;步长:0.01
需要对 Latent 进行 denoise 的比例。1.0表示完全 denoise;数值越低,在使用输入图像时保留的原始结构越多。 -
seed(
INT,必填):
用于采样过程的种子。设置固定值可使生成结果可复现。如果控件保持随机化状态,每次运行时的值都可能不同。 -
image(
IMAGE,可选):
可选的输入图像,用于图生图或带遮罩的 Layer Diffusion 工作流。 -
blended_image(
IMAGE,可选):
可选的预合成图像,Layer Diffusion 将其用作合成目标。提供此图像可以帮助模型理解前景图层应如何融入场景。 -
mask(
MASK,可选):
可选的遮罩,用于定义要生成或编辑的区域。遮罩区域会接受 Layer Diffusion 处理,而未遮罩的区域会被保留。
输出
- pipe(
PIPE_LINE):
已更新的 pipeline,可直接传递给下游采样器节点。输出的 pipeline 包含已配置的采样参数和 LayerDiffuse 设置。
使用说明
- 在支持
PIPE_LINE的采样器(例如 ComfyUI-Easy-Use 中的 KSampler 变体)之前,将此节点用作最后一个预采样步骤。 - 可选的
image、blended_image和mask输入并非每种方法都需要连接。对于普通的 LayerDiffuse 生成,你可以不连接它们,节点将以文生图方式运行,并应用 Layer Diffusion。 - 使用
denoise < 1.0时,请连接image(通常还有mask),这样采样器才有参照物来进行部分 denoise。 weight可以为负值。在某些 LayerDiffuse 方法中,这会产生反转或修正效果;建议以典型值(如0.8、1.0或1.2)为中心,用小步长进行尝试。- 如果输出看起来未充分融合,或前景/背景分离过弱,请提高
weight,或检查method是否与你加载的 LayerDiffuse 模型匹配。 steps、cfg、sampler_name和scheduler的行为与普通采样器节点上的相同设置完全一致,因此现有的采样器预设可以直接在这里复用。
评论
使用 GitHub 登录后即可参与讨论。