Stable Diffusion 右键菜单详解

ADD NODE Menu：

Utils

Add node >utils

1. Note: Note节点允许你在ComfyUI的工作区中添加文本注释。

2. Primitive: Primitive节点用于创建和操作基本几何形状，如点、线、矩形、圆形等。这些形状可以作为掩码或控制信息，用于影响图像生成过程。

• 创建掩码：使用 Primitive 节点创建一个矩形，然后将其连接到 Mask 输入，从而只对图像的特定区域进行处理。

• ControlNet控制：使用 Primitive 节点创建线条，然后将其连接到 ControlNet 的相应输入，从而引导图像生成特定形状的物体。

• 例子：

  • 使用 Primitive 节点创建一个圆形，然后将其连接到 Inpaint 节点的 Mask 输入，从而只对圆形区域内的图像进行修复。

3. Reroute: Reroute节点用于在ComfyUI工作区中整理节点连接，使流程更加清晰。它可以将节点的输出重新路由到其他位置，避免过多的连线交叉，提高工作区的可读性。

• 例子：
  • 当一个节点的输出需要连接到多个其他节点时，可以使用 Reroute 节点将输出复制到多个位置，避免多条连线交叉。

4. Terminal Log (Manager) : Terminal Log (Manager)节点用于在ComfyUI界面中显示终端输出信息。这对于查看模型加载过程、调试错误、获取运行时信息等非常有用。可以查看模型加载过程中的详细信息，如模型大小、参数数量等。当工作流程出现错误时，可以在终端输出中查看错误信息，帮助定位问题。也可以获取图像生成过程中的实时信息，如采样进度、损失值等。

• 例子：
  • 在加载一个大型模型时，你可以添加一个 Terminal Log (Manager) 节点来查看加载进度和详细信息。

Sampling

Schedulers（调度器）

Add node >Sampling > custom_sampling > schedulers

在Stable Diffusion中，调度器控制着图像生成过程中噪声的去除方式。不同的调度器采用不同的策略来逐步降低噪声水平，从而影响生成图像的质量、速度和多样性。

1. BasicScheduler: 最基础的调度器，采用线性方式逐步降低噪声水平。适用于快速生成图像，或者作为其他调度器的基础。如果想快速生成一张概念草图，可以使用BasicScheduler。

2. KarrasScheduler: 一种改进的调度器，采用非线性方式降低噪声水平，尤其在早期阶段去噪速度较快。适用于生成高质量图像，同时保持一定的生成速度。如果想生成一张细节丰富的图像，但又不想等待太长时间，可以使用KarrasScheduler。

3. ExponentialScheduler: 采用指数方式降低噪声水平，早期去噪速度较慢，后期较快, 适用于生成具有柔和过渡效果的图像。如果想生成一张具有梦幻感的图像，可以使用ExponentialScheduler。

4. PolyexponentialScheduler: 一种基于多项式插值的调度器，可以灵活调整去噪曲线。适用于需要精细控制去噪过程的高级用户。如果想通过调整去噪曲线来实现特定的图像效果，可以使用PolyexponentialScheduler。

5. VPScheduler (Variational Posterior Scheduler): 一种基于变分推理的调度器，理论上可以生成更高质量的图像。适用于追求极致图像质量的用户。如果想生成一张尽可能逼真和精细的图像，可以尝试VPScheduler。

6. BetaSamplingScheduler: 一种基于beta分布的调度器，可以生成多样化的图像。适用于探索不同风格或创意的图像生成。如果想生成一组具有不同风格的图像，可以使用BetaSamplingScheduler。

7. SDTurboScheduler: 一种优化过的调度器，可以在较少的采样步数下生成高质量图像。适用于在保证图像质量的前提下，提高生成速度。如果想快速生成高质量的图像，可以使用SDTurboScheduler。

8. Align YourStepsScheduler & GITSScheduler: 这两种调度器是基于社区开发的算法，旨在进一步提高图像质量和稳定性。适用于追求更高图像质量或尝试新算法的用户。

Samplers

Add node >Sampling >custom_sampling> samplers

1. KSamplerSelect: 是一个下拉菜单，可以快速选择常用的采样器，无需手动添加节点。适用于快速切换不同的采样器，尤其是在实验和比较不同采样器效果时非常方便。

   e.g. 如果想尝试使用Euler a采样器，可以直接在KSamplerSelect中选择它，而无需手动添加KSampler节点并设置算法。

   PS: Euler Sampler:

   Euler 采样器

   • 基本算法：Euler 采样器是最基础的采样器，它直接使用 Euler 方法来数值求解扩散模型中的随机微分方程（SDE）。Euler 方法是一种简单的一阶数值求解方法，它通过在每个时间步上使用当前时刻的导数来估计下一时刻的值。

     初始化：从一个随机噪声图像 x_T 开始，设置初始时间步 t = T。

     迭代：

     • 计算噪声预测：使用 U-Net 模型预测当前时间步 t 的噪声 ϵ_t。

     • 更新图像：根据 Euler 方法的公式，更新图像：

       1	x_{t-1} = x_t - ϵ_t * sqrt(β_t) + sqrt(1 - β_t) * z_t

       其中：

       • β_t 是预先定义的噪声调度参数，控制每个时间步添加的噪声量。
       • z_t 是从标准正态分布中采样的随机噪声。

     • 更新时间步：t = t - 1。

     终止：当 t = 0 时，停止迭代，输出 x_0 作为生成的图像。

   Euler a（Euler ancestral）采样器

   • 基本算法：Euler a 采样器是 Euler 采样器的改进版本，它引入了祖先采样（ancestral sampling）的概念。祖先采样通过在每一步迭代中添加额外的噪声，来增加生成图像的多样性。

     与 Euler 采样器类似，但在更新图像的公式中增加了一个额外的噪声项：

     1	x_{t-1} = x_t - ϵ_t * sqrt(β_t) + sqrt(1 - β_t) * z_t + σ_t * z'_t

     其中：

     • σ_t 是预先定义的噪声调度参数，控制每个时间步添加的额外噪声量。
     • z'_t 是从标准正态分布中采样的随机噪声。

   Euler Ancestral 采样器

   • 基本算法：Euler Ancestral 采样器与 Euler a 采样器非常相似，它们都使用了祖先采样技术。主要区别在于 Euler Ancestral 采样器在计算噪声预测时，使用了前一个时间步的图像 x_{t-1} 作为输入，而不是当前时间步的图像 x_t。

     初始化：从一个随机噪声图像 x_T 开始，设置初始时间步 t = T。

     迭代：

     • 计算噪声预测：使用 U-Net 模型预测 前一个 时间步 t-1 的噪声 ϵ_{t-1}，**输入为 x_t**。

     • 更新图像：根据 Euler 方法的公式，更新图像：

       1	x_{t-1} = x_t - ϵ_{t-1} * sqrt(β_t) + sqrt(1 - β_t) * z_t + σ_t * z'_t

     • 更新时间步：t = t - 1。

     终止：当 t = 0 时，停止迭代，输出 x_0 作为生成的图像。

   Euler a 和 Euler Ancestral 最主要的区别就在于：

   • Euler a：在计算当前时间步 t 的噪声预测时，使用 当前时间步 的图像 x_t 作为 U-Net 的输入。
   • Euler Ancestral：在计算当前时间步 t 的噪声预测时，使用 前一个时间步 的图像 x_{t-1} 作为 U-Net 的输入。
   • 当前图像是第一步（即 t = T）时，前一步的图像 x_{t-1} 不存在。在这种情况下，Euler Ancestral 采样器通常会使用当前时间步的图像 x_t 作为 U-Net 的输入，或者使用一个预先定义的噪声图像来代替 x_{t-1}。
   • Euler Ancestral 使用前一步的图像作为输入，可以考虑到更多的历史信息，从而可能产生更稳定、更高质量、更多样化的图像。

2. SamplerEulerAncestral: Euler ancestral采样器，一种基于Euler方法的迭代采样器，引入了祖先采样（ancestral sampling）的概念，可以提高生成图像的质量和稳定性。适用于生成高质量图像，尤其是在处理复杂场景或精细细节时表现较好。如果想生成一张包含丰富细节的风景画，可以使用SamplerEulerAncestral。

3. SamplerEulerAncestralCFG: SamplerEulerAncestral的改进版本，增加了对Classifier-Free Guidance（CFG）的支持，可以更好地控制图像生成的方向和风格。适用于需要更强控制力的图像生成任务，例如在提示词中包含特定风格或元素时。如果想生成一张具有梵高风格的星空图，可以在提示词中加入”梵高风格”，并使用SamplerEulerAncestralCFG来增强风格效果。

4. SamplerLMS: LMS采样器，一种基于线性多步法（Linear Multistep Method）的采样器，可以在较少的采样步数下生成高质量图像。适用于在保证图像质量的前提下，提高生成速度。如果想快速生成一张高质量的人物肖像，可以使用SamplerLMS。

5. SamplerDPMPP_2M_SDE & SamplerDPMPP_3M_SDE: DPM++ 2M SDE和DPM++ 3M SDE采样器，是基于DPM++算法的采样器，使用了2阶或3阶的随机微分方程求解器，可以在较少的采样步数下生成高质量图像。适用于在保证图像质量的前提下，进一步提高生成速度。如果想在更短的时间内生成高质量的图像，可以尝试使用SamplerDPMPP_2M_SDE或SamplerDPMPP_3M_SDE。

   PS:

   DPM (Denoising Diffusion Probabilistic Models)

   • DPM 是一种基于扩散模型的采样器。它通过迭代地向图像添加噪声，然后学习如何从噪声中恢复出原始图像。在每一步迭代中，DPM 会根据当前的噪声图像和模型预测，计算出下一步需要去除的噪声量。

   DPM++

   • DPM++ 是 DPM 的改进版本，它引入了几种优化技术，包括：
     • 改进的噪声调度：使用更复杂的噪声调度算法，使得模型能够更有效地去除噪声。
     • 预测校正：在每一步迭代中，对模型的预测进行校正，提高预测的准确性。
     • 更快的求解器：使用更高效的数值求解器来计算每一步需要去除的噪声量。
   • 特点：在保持 DPM 较高图像质量的基础上，显著提高了生成速度。

   DPM++ 和 DPM 的区别 :

   速度：DPM++ 比 DPM 快得多，尤其是在生成高分辨率图像时。

       假设我们要生成一张 512x512 像素的风景画。

   • 使用 DPM：可能需要 50 步迭代才能生成一张高质量的图像，耗时较长。
   • **使用 DPM++**：可能只需要 20 步迭代就能生成一张质量相当甚至更好的图像，耗时更短。

   质量：DPM++ 在大多数情况下都能生成与 DPM 相当甚至更好的图像质量。

6. SamplerDPMPP_SDE: DPM++ SDE采样器，是DPM++算法的另一个变体，使用了随机微分方程求解器，可以在较少的采样步数下生成高质量图像。适用于在保证图像质量的前提下，进一步提高生成速度。

7. SamplerDPMAdaptive: DPM adaptive采样器，是DPM++算法的自适应版本，可以根据图像内容动态调整采样步数，从而在保证图像质量的同时，进一步提高生成速度。适用于对生成速度有较高要求，同时希望保持图像质量的用户。如果想在尽可能短的时间内生成高质量的图像，可以尝试使用SamplerDPMAdaptive。

8. SamplerLCMUpscale: LCM upscale采样器，专门用于在潜在空间中提高图像的分辨率。适用于先生成低分辨率图像，然后通过LCM upscale提高分辨率，从而在提高图像质量的同时，节省计算资源。如果想生成一张高分辨率的图像，但受限于显存，可以先生成一张低分辨率的图像，然后使用SamplerLCMUpscale将其放大。

   LCM (Latent Consistency Model)

   • LCM 是一种专门用于提高图像分辨率的采样器。它在潜在空间（latent space）中进行操作，通过迭代地向低分辨率图像添加噪声，然后学习如何从噪声中恢复出高分辨率图像。

Sigmas（噪声等级）

Add node >Sampling >custom_sampling> sigmas

在Stable Diffusion的扩散模型中，sigmas代表了不同阶段的噪声等级。在图像生成过程中，模型从高噪声等级逐步向低噪声等级迭代，直到生成最终的清晰图像。sigmas子菜单下的节点主要用于控制和操作这些噪声等级。

1. SplitSigmas

• 作用：将一个包含所有噪声等级的张量（tensor）分割成多个单独的噪声等级。

  • PS: Tensor:

    在深度学习和数值计算领域，tensor（张量）是一种多维数组。它可以看作是向量和矩阵的推广，可以表示任意维度的数据。

    • 0 维张量：标量（scalar），即一个单独的数字。
    • 1 维张量：向量（vector），即一组有序的数字。
    • 2 维张量：矩阵（matrix），即一个二维数组。
    • 3 维张量：可以看作是一摞矩阵，例如 RGB 彩色图像就可以表示为一个 3 维张量，其中每个通道（R、G、B）都是一个二维矩阵。
    • 更高维张量：可以表示更复杂的数据结构，例如视频（时间维度 + 图像维度）或多通道时间序列数据。
    • Tensor 的优势
      • 统一表示：Tensor 提供了一种统一的方式来表示各种类型的数据，使得模型的输入和输出更加一致，简化了模型的设计和实现。
      • 高效计算：Tensor 可以利用 GPU 进行高效的并行计算，大大加快了模型的训练和推理速度。
      • 灵活操作：Tensor 支持各种数学运算和变换，如加法、乘法、转置、卷积等，为模型的构建和优化提供了丰富的工具。

• 使用场景：当你需要对不同的噪声等级进行单独处理或分析时，可以使用SplitSigmas节点。

• 示例：你可以使用SplitSigmas将噪声等级分割后，分别连接到不同的去噪模型，以实现更精细的控制。

2. SplitSigmasDenoise

• 作用：类似于SplitSigmas，但它在分割噪声等级的同时，还应用了去噪模型对每个噪声等级进行去噪处理。
• 使用场景：当你需要在分割噪声等级的同时进行去噪处理时，可以使用SplitSigmasDenoise节点，从而简化流程。

3. FlipSigmas

• 作用：将噪声等级的顺序翻转。
• 使用场景：在某些特殊情况下，你可能需要将噪声等级的顺序翻转，例如在实现某些自定义采样算法时。

Guiders（引导器）

Add node >Sampling >custom_sampling> guiders

在 Stable Diffusion 中，引导器（Guiders）用于在采样过程中提供额外的指导或约束，从而影响生成图像的特定方面，如构图、颜色、一致性等。

1. CFG Guider: Classifier-Free Guidance（CFG）引导器，通过调整条件信息（通常是文本提示）的强度来控制图像生成。这是最常用的引导器之一，适用于大多数情况。可以通过调整 CFG Scale 参数来控制提示词对生成图像的影响程度。如果想生成一张更符合提示词描述的图像，可以增加 CFG Scale 的值。

2. Dual CFG Guider: 双 CFG 引导器，允许你同时使用两个 CFG Scale 值，一个用于正向提示词，一个用于负向提示词。适用于需要更精细地控制正向和负向提示词影响的情况。如果想在生成图像时强调正向提示词，同时弱化负向提示词，可以设置较高的正向 CFG Scale 和较低的负向 CFG Scale。

3. Basic Guider: 基础引导器，不提供任何额外的指导或约束，直接使用模型的输出。适用于不需要任何引导的简单图像生成任务，或者用于与其他引导器进行比较。

Video Models 下的选项详解

Add node >Sampling >video_models

1. VideoLinearCFGGuidance

• 作用：为视频生成任务设计的线性 Classifier-Free Guidance（CFG）引导器。它通过线性调整条件信息（通常是文本提示）的强度来控制视频生成的过程，从而影响生成视频的风格和内容。
• 使用场景：适用于需要对生成视频进行风格和内容控制的任务，希望以线性方式调整 CFG 强度。
• 示例：如果你想生成一个逐渐从写实风格过渡到抽象风格的视频，可以使用 VideoLinearCFGGuidance，并在采样过程中线性增加 CFG Scale 的值。

2. VideoTriangleCFGGuidance

• 作用：为视频生成任务设计的三角形 CFG 引导器。它通过三角形函数调整条件信息（通常是文本提示）的强度来控制视频生成的过程，从而影响生成视频的风格和内容。
• 使用场景：适用于需要对生成视频进行风格和内容控制的任务，希望以三角形函数方式调整 CFG 强度。
• 示例：如果你想生成一个在中间帧具有最强风格效果，而在开始和结束帧风格效果较弱的视频，可以使用 VideoTriangleCFGGuidance。

KSampler

• 作用：虽然KSampler主要用于图像生成，但在视频生成任务中，它也可以用于对每一帧进行采样。
• 使用场景：当你需要使用KSampler提供的各种采样算法来生成视频的每一帧时，可以使用这个节点。
• 示例：如果你想使用Euler a算法生成视频的每一帧，可以将KSampler节点连接到视频生成流程中，并设置其算法为Euler a。

KSampler (Advanced)

• 作用：与图像生成类似，KSampler (Advanced)是KSampler的高级版本，提供了更多的参数设置，可以更精细地控制视频采样过程。
• 使用场景：适用于需要对视频采样过程进行更多调整的高级用户。
• 示例：如果你想在视频采样过程中动态调整CFG Scale，可以使用KSampler (Advanced)，并设置CFG Scale Schedule。

Loaders

Add node >loaders

“Loaders” 选项提供了各种加载器节点，用于将模型、图像、文本等数据加载到 ComfyUI 的工作流程中。

Load Checkpoint: 加载 Stable Diffusion 的主模型（checkpoint），这是生成图像的基础, 这是任何文生图或图生图工作流程都必不可少的节点。可以用来加载 sd_xl_base_1.0.safetensors 这样的模型文件来生成图像。

Load VAE: 加载变分自编码器（VAE），用于在图像的像素空间和潜在空间之间进行转换。通常与主模型一起使用，有些主模型可能内置了 VAE，有些则需要单独加载。可以用来加载 vae-ft-mse-840000-ema-pruned.ckpt 这样的 VAE 文件。

Load LoRA：加载 LoRA（Low-Rank Adaptation）模型，用于对主模型进行微调，实现风格定制或其他效果。当想要在生成图像时应用特定的风格、主题或其他效果时，可以使用 LoRA。可以用于加载 koreanDollLikeness_v10.safetensors 这样的 LoRA 文件，让生成的图像具有韩国娃娃的风格。

Load ControlNet Model：加载 ControlNet 模型，用于通过额外的控制图像（如边缘图、深度图、姿势图等）来引导图像生成过程。当需要更精确地控制生成图像的构图、姿势、深度等方面时，可以使用 ControlNet。可以用于加载 control_canny-fp16.safetensors 这样的 ControlNet 模型，然后输入一张边缘图，让生成的图像遵循边缘图的轮廓。

**Load ControlNet Model (diff)**：与 Load ControlNet Model 类似，但它加载的是 ControlNet 的差异模型（difference model），可以更有效地利用计算资源。与 Load ControlNet Model 相同，但通常在计算资源有限时使用。

Load Style Model：加载风格模型，用于将特定艺术风格应用到生成的图像上。当你想要生成具有特定艺术风格的图像时，可以使用风格模型。可用于加载 vangogh_style.ckpt 这样的风格模型，让生成的图像具有梵高的风格。

Load CLIP Vision：加载 CLIP 视觉编码器，用于将图像编码为向量表示。主要用于图像相似度计算、图像分类等任务。

unCLIPCheckpointLoader：加载 unCLIP 模型，unCLIP 是一种能够从文本生成图像的模型，与 Stable Diffusion 不同，它不需要 VAE。适用于探索 unCLIP 模型的图像生成能力。

GLIGENLoader：加载 GLIGEN 模型，GLIGEN 是一种能够根据文本和边界框生成图像的模型。适用于需要在指定区域内生成特定物体的图像生成任务。

LoraLoaderModelOnly：仅加载 LoRA 模型的权重，不加载其元数据（metadata）。适用于只需要 LoRA 权重，不需要元数据的情况。

HypernetworkLoader：加载超网络（Hypernetwork）模型，超网络是一种通过修改主模型权重来实现特定效果的模型。适用于实现一些全局性的图像调整或效果。

Load Upscale Model：加载图像超分辨率模型，用于提高图像的分辨率。适用于在生成低分辨率图像后，通过超分辨率模型提高其分辨率。

Conditioning

在 Stable Diffusion 中，”Conditioning”（条件）指的是影响图像生成过程的各种因素，最常见的是文本提示词（prompts）。Conditioning 菜单中的节点提供了多种方式来控制和调整这些条件信息，从而实现对生成图像的更精细控制。

Add node >conditioning

style_model：加载风格模型，用于将特定艺术风格迁移到生成的图像上。

controlnet：加载 ControlNet 模型，用于通过额外的控制图像来精确引导图像生成过程。

gilgen：加载 GLIGEN 模型，用于根据文本提示和边界框在图像的指定区域内生成物体。

inpaint：加载 Inpaint 模型，用于修复或替换图像中的指定区域。

upscale_diffusion：加载超分辨率扩散模型，用于提高图像的分辨率。

stable_cascade：加载 Stable Cascade 模型，用于生成高分辨率图像。

instructx/pix2pix：加载 instruct-pix2pix 模型，用于根据文本指令编辑图像。

CLIP Text Encode (Prompt): 这是最基本的 conditioning 节点，它使用 CLIP 模型将文本提示词编码为向量表示，然后将这些向量输入到模型中，引导图像生成过程。输入你希望生成的图像的文本描述。

CLIP Set Last Layer：这个节点允许你修改 CLIP 文本编码器最后一层的输出，从而微调文本提示对图像生成的影响。对 CLIP 编码器有一定了解并希望进行更精细控制的高级用户可以使用这种CLIP。比如可以通过修改最后一层的输出，来强调或弱化提示词中的某些概念。

**Conditioning (Average)**：这个节点将多个 conditioning 向量（通常来自多个 CLIP Text Encode 节点）进行平均，生成一个新的 conditioning 向量。适用于将多个提示词混合在一起，生成融合了多个概念的图像。比如，可以输入两个提示词 “一只猫” 和 “一只狗”，然后使用 Conditioning (Average) 节点将它们的编码向量平均，生成一个新的向量，模型会尝试生成同时具有猫和狗特征的图像。

**Conditioning (Combine)**：这个节点将多个 conditioning 向量组合在一起，但不是简单地平均，而是根据每个向量的权重进行加权平均。适用于对多个提示词的影响程度进行更精细的控制。同样用猫狗为例，输入两个提示词 “一只猫” 和 “一只狗”，并分别设置它们的权重为 0.7 和 0.3，然后使用 Conditioning (Combine) 节点将它们组合，模型会生成一张更偏向于猫的图像。

**Conditioning (Concat)**：将多个 conditioning 向量拼接（concatenate）在一起，形成一个更长的向量。适用于将多个提示词的信息完全保留，而不进行任何混合或加权。比如，可以输入两个提示词 “一只猫” 和 “在窗台上”，然后使用 Conditioning (Concat) 节点将它们拼接，模型会尝试生成一只在窗台上的猫的图像。

**Conditioning (Set Area)**：将不同的 conditioning 向量应用到图像的不同区域。适用于对图像的不同部分进行独立控制。比如将 “蓝天” 应用到图像的上半部分，将 “绿草地” 应用到图像的下半部分。

**Conditioning (Set Area with Percentage)**：类似于 Conditioning (Set Area)，但它允许你使用百分比来指定区域的大小，可以更灵活地控制区域划分。

ConditioningSetAreaStrength：用来调整 Conditioning (Set Area) 或 Conditioning (Set Area with Percentage) 节点设置的区域的 conditioning 强度。适用于更精细地控制不同区域的 conditioning 影响程度。

**Conditioning (Set Mask)**：这个节点用来使用掩码（mask）来控制 conditioning 向量的影响区域。适用于对图像的任意形状区域进行控制。例如，可以使用一个圆形掩码，将 “红苹果” 的 conditioning 向量只应用到图像的圆形区域内。

CLIP Vision Encode：这个节点使用 CLIP 视觉编码器将图像编码为向量表示吗，之前在loaders中有提到过。主要用于图像相似度计算、图像分类等任务，也可以用于一些高级的图像生成技巧。

unCLIP Conditioning：这个节点用于 unCLIP 模型的 conditioning，unCLIP 是一种不需要 VAE 就能从文本生成图像的模型。

Latent（潜在空间）

latent 子菜单下的节点主要用于在模型的潜在空间中处理图像。这些节点可以实现图像修复、超分辨率、图像合成等功能。

inpaint：加载和应用 Inpaint 模型，用于修复或替换图像中的指定区域。

• 图像修复：去除图像中不需要的物体、瑕疵或水印。
• 内容替换：将图像中的某个区域替换为新的内容。

在图像上绘制一个掩码，然后使用 Inpaint 模型来修复掩码覆盖的区域，生成没有瑕疵或不需要物体的图像。

batch：批量处理潜在图像。将多张图像的潜在表示输入到 batch 节点，然后将输出连接到其他节点，对多张图像进行相同的操作。比如将多张图像的潜在表示输入到 batch 节点后，将输出连接到 Latent Upscale 节点，可以同时提高多张图像的分辨率。

transform：对潜在图像进行各种变换操作，如旋转、缩放、平移等。比如将潜在图像连接到 transform 节点，设置旋转角度为 45 度，然后解码回像素空间，得到旋转后的图像。

advanced：包含一些高级的潜在空间操作节点，如 LoraLoaderModelOnly、HypernetworkLoader 等。适用于对模型进行微调或应用其他高级技巧。

stable_cascade：加载和应用 Stable Cascade 模型，Stable Cascade 是一种用于生成高分辨率图像的模型。一般用于直接生成高分辨率图像，或者在生成低分辨率图像后进一步提高分辨率的情况。

VAE Decode：将潜在空间表示解码为普通图像。一般用于显示生成结果：将 KSampler 等采样器生成的潜在图像解码为可视化的图像。比如将 KSampler 生成的潜在图像连接到 VAE Decode，在 ComfyUI 界面中预览生成的图像。

VAE Encode：将普通图像编码为潜在空间表示。一般用来以图生图，将参考图像编码为潜在表示，然后输入到 KSampler 等采样器中，引导生成新的图像。比如加载一张照片，将其转换为潜在表示，然后使用 KSampler 生成一张具有相似构图但不同风格的风景画。

Empty Latent Image：创建一个空的潜在图像（latent image），其大小由参数指定。与 Inpaint 或 Outpaint 节点结合使用，通过在空白潜在图像上绘制或填充来生成新的图像内容，或作为图像生成的起点，代替从随机噪声开始生成。e.g. 创建一个 512x512 的空白潜在图像，然后使用 Inpaint 节点在其中绘制一个物体，生成包含该物体的图像。

Upscale Latent：在潜在空间中提高图像的分辨率。可以先生成低分辨率图像，然后通过放大来提高分辨率，从而在提高图像质量的同时，节省计算资源。比如将 KSampler 生成的低分辨率潜在图像连接到 Upscale Latent，提高其分辨率，然后再通过 VAE Decode 解码为高分辨率图像。

Upscale Latent By：类似于 Upscale Latent，但它允许你指定放大的倍数。

Latent Composite：将多个潜在图像按照指定的权重和蒙版进行合成。适用于将多个生成的图像或图像的不同部分进行融合。比如将两个 KSampler 生成的潜在图像和对应的掩码连接到 Latent Composite，将它们融合成一张新的图像。

LatentCompositeMasked：与 Latent Composite 类似，但它允许你使用一个额外的掩码来控制合成区域。适用于更精细地控制图像合成的区域。

Image

image 子菜单下的节点主要用于在像素空间中处理图像，包括图像缩放、变换、合成、加载和保存等操作。

upscaling：提高图像分辨率。

Upscale：使用 ESRGAN 等模型对图像进行超分辨率处理。

Latent Upscale：在潜在空间中提高图像的分辨率，通常与 VAE 结合使用。

postprocessing

用于图像后处理的节点，可以在图像生成完成后对其进行进一步的调整和优化。

• 图像增强：提高图像的清晰度、对比度、饱和度等。
• 瑕疵修复：去除图像中的噪点、伪影等瑕疵。
• 风格化：为图像添加艺术滤镜或特殊效果。

比如：GFPGAN：修复图像中的人脸。RealESRGAN：提高图像的真实感和细节。CodeFormer：修复图像中的人脸。

batch：批量处理图像。

preprocessors：包含用于图像预处理的节点，在将图像输入到模型之前对其进行转换或调整。比如 VGG16 Preprocessor：使用 VGG16 模型对图像进行预处理。

transform：对图像进行各种变换操作，如旋转、缩放、平移等。

animation：用于生成动画或视频。

• 通过插值或其他技术，从多张图像生成动画。
• 生成视频：将多帧图像组合成视频。
• e.g. Frame Interpolation：在视频帧之间插入新的帧，使动画更流畅。

Save Image：将生成的图像保存到文件。

Preview Image：在 ComfyUI 界面中预览图像。

Load Image：从文件加载图像。

• 图生图：加载参考图像，用于引导生成新的图像。
• 图像编辑：加载需要编辑的图像。

Invert Image：反转图像的颜色。

Batch Images：批量处理图像。

Pad Image for Outpainting：为图像添加填充，以便进行 Outpainting（图像扩展）。

• Outpainting：即在图像的边界之外生成新的内容来扩展图像。

Empty Image：创建一个空的图像，其大小由参数指定。

• 作为背景图像，在其上添加其他元素，代替随机噪声成为初始图象。

Image Composite Masked：将多张图像按照指定的权重和蒙版进行合成。适用于将多个生成的图像或图像的不同部分进行融合。和刚刚Latent中的区别在于这个是在像素空间进行操作，接受图像而不是潜在图像作为Input，计算成本比Latent空间中操作要高，但是更加直观和容易控制。

Webcam Capture：从网络摄像头捕获图像。

• 实时图像生成：将网络摄像头捕获的图像实时输入到模型中，生成新的图像。
• 交互式应用：创建与用户互动的应用程序，例如虚拟试衣间、实时风格迁移等。

Mask（掩码）

mask 子菜单下的节点主要用于创建、编辑和操作掩码（mask）。掩码本质上是一张灰度图像，其中每个像素的值表示该像素在图像中的透明度或影响程度。掩码可以用于控制图像生成或处理过程中的哪些区域受到影响。

Compositing：用于合成多个掩码。

• e.g. Mask Blend：将两个掩码按照指定的混合模式（如叠加、相乘、相减等）进行混合，Mask Composite：将多个掩码按照指定的顺序和操作进行合成。

**Load Image (as Mask)**：将加载的图像作为掩码使用。例如从文件加载一张灰度图像作为掩码，或加载一张带有 Alpha 通道的图像，将其 Alpha 通道作为掩码。

e.g. 加载一张黑白图像，其中黑色区域表示不透明，白色区域表示透明，然后将这张图像作为掩码用于 Inpainting。

Convert Mask to Image：将掩码转换为普通图像。预览掩码，将掩码转换为图像，以便在 ComfyUI 界面中查看其效果。保存掩码，将掩码保存为图像文件，以便在其他软件中使用。

Convert Image to Mask：将普通图像转换为掩码。将一张灰度图像或带有 Alpha 通道的图像转换为掩码，之后用于 Inpainting。

Image Color To Mask：根据图像中的颜色范围创建掩码。一般是根据颜色范围从图像中提取掩码，用于对特定颜色区域进行操作。比如从一张风景照片中提取天空区域的掩码，然后对天空进行单独处理。

Solid Color Mask：创建一个纯色掩码。快速创建一个矩形、圆形或其他形状的纯色掩码。

比如创建一个黑色矩形掩码，用于 Inpainting 填充图像中的某个区域。

Invert Mask：反转掩码的透明度。将掩码的透明区域和不透明区域互换。e.g. 将一个圆形掩码反转，使圆形区域外的部分变为不透明。

Feather Mask：对掩码的边缘进行羽化（模糊）处理，使其过渡更加平滑，避免硬边缘，即在图像合成或 Inpainting 中避免出现明显的边缘。

e.g. 对一个圆形掩码进行羽化处理，使圆形边缘与周围区域自然过渡。

Grow Mask：将掩码的不透明区域向外扩展指定的像素数。扩大掩码的影响范围。

Threshold Mask：根据像素值的阈值将图像转换为二值掩码。根据亮度或其他特征，从图像中提取掩码。比如将一张灰度图像转换为二值掩码，其中亮度高于阈值的像素变为不透明，其他像素变为透明。