什么是 Qwen-Image-Layered？

是将输入的图像，分解为任意枚数的 图层 的扩散模型。

是近来流行的图像编辑，但有时与指示无关的部分会变化。　　 既然那样，就像至今为止设计师做的那样进行图层分，只编辑对象的图层就可以了吧？是从这种动机诞生的任务呢。

是处理透过图像 (RGBA) 的首个通用手法也是应注目的点。
如果是至今为止的手法，需要后处理，或只在解码时需要特殊处理，但采用了更直率的“作为 RGBA 图像处理”的做法。

模型的下载

📂ComfyUI/
└── 📂models/
    ├── 📂diffusion_models/
    │   └── qwen_image_layered_fp8mixed.safetensors
    ├── 📂text_encoders/
    │   └── qwen_2.5_vl_7b_fp8_scaled.safetensors
    ├── 📂unet/
    │   └── Qwen_Image_Layered-XXXX.gguf          ← 仅在使用 gguf 的时候
    └── 📂vae/
        └── qwen_image_layered_vae.safetensors

工作流

Qwen-Image-Layered.json

  • 输入图像的调整

    • 虽然可以变大到 1024px，但越增加图层数越容易变重，所以这里设定为 0.5M 像素。

  • 🟩Empty Qwen Image Layered Latent

    • layers: 想分割的图层数
    • 这边也是越增加，内存和时间成本越高。

  • 🟫LatentCutToBatch

    • 虽然认为很难明白在做什么，但请认为是实现方便的“整形”。
    • 这个模型如名那样将复数枚图像作为“图层”输出，但现在的 VAE Decode 无法很好地理解图层这个概念，所以转换为单纯的 N 张的批处理图像。

  • 🟦再合成图像（任意）

    • 分为 2 个图层的情况，输出合计 3 张 RGBA 图像（元图像＋分解结果）。

    • 如果用 ImageCompositeMasked 持续重叠 2 张目以后的图像就能返回原来的 1 张图像。

      • 只是，这个节点因为只能处理 RGB 图像，需要转换为 RGB 图像 + 掩膜这种形式。
      • cf. 掩膜与 Alpha 通道

    • 虽然认为很麻烦，但不限 ComfyUI，节点基础 UI 和图层系统相性不好😥

参考