53 lines
2.1 KiB
Markdown
53 lines
2.1 KiB
Markdown
# Documentation
|
|
- Class name: VAEDecodeTiled_TiledDiffusion
|
|
- Category: _for_testing
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/shiimizu/ComfyUI-TiledDiffusion
|
|
|
|
该节点旨在使用变分自编码器（VAE）模型从潜在表示中解码和重建图像，强调通过平铺和扩散技术处理大图像。它旨在平衡计算效率和图像质量之间的权衡，为图像重建任务提供稳健的解决方案。
|
|
|
|
# Input types
|
|
## Required
|
|
- samples
|
|
- 输入样本代表节点用于生成重建图像的潜在空间向量。这些至关重要，因为它们构成了图像重建过程的基础。
|
|
- Comfy dtype: LATENT
|
|
- Python dtype: torch.Tensor
|
|
- vae
|
|
- VAE参数指的是节点使用的预训练变分自编码器模型，用于执行解码过程。对于从潜在空间重建图像至关重要。
|
|
- Comfy dtype: VAE
|
|
- Python dtype: torch.nn.Module
|
|
- tile_size
|
|
- 平铺大小参数决定了用于处理图像的平铺的尺寸。它对于优化解码过程中的内存使用和计算效率很重要。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
## Optional
|
|
- fast
|
|
- 当启用快速参数时，允许节点以牺牲潜在图像质量为代价进行更快的解码。它影响重建过程中速度和准确性之间的平衡。
|
|
- Comfy dtype: BOOLEAN
|
|
- Python dtype: bool
|
|
|
|
# Output types
|
|
- image
|
|
- 输出图像是节点解码过程的结果，代表从潜在空间中原始输入的重建版本。它是表示节点主要功能的关键输出。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class VAEDecodeTiled_TiledDiffusion(TiledVAE):
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
tile_size = get_rcmd_dec_tsize() * opt_f
|
|
return {'required': {'samples': ('LATENT',), 'vae': ('VAE',), 'tile_size': ('INT', {'default': tile_size, 'min': 48 * opt_f, 'max': 4096, 'step': 16}), 'fast': ('BOOLEAN', {'default': True})}}
|
|
RETURN_TYPES = ('IMAGE',)
|
|
FUNCTION = 'process'
|
|
CATEGORY = '_for_testing'
|
|
|
|
def __init__(self):
|
|
self.is_decoder = True
|
|
super().__init__()
|
|
``` |