一个专为图像编辑模型设计的分块精修 / 编辑 / 放大节点。它让 Qwen-Image 2.1 / Edit 2509 / 2511、FLUX.3/FLUX.2 klein、Krea2 这类模型在分块放大时，以 分块参考 ≫ 频率分离融合 > 邻居上下文 三层机制共同保证跨块一致性，denoise 重绘强度可以放心开到 0.7–1.0，同时保持原图的身份、结构与纹理一致；每采样步参考强度可以自定义，控制修复强度与一致性的平衡；延续部分图像编辑模型的能力（仅限单图）。这是传统 img2img 分块放大做不到的。
- Krea2 需要 krea2_identity_edit lora。
| 节点 | 作用 |
|---|---|
| Element Tiled Upscale | 一体化节点：放大 → 切块 → 逐块参考重绘 → 频率分离融合，一键出图 |
| Element Tile Split | 只做放大 + 切块 + 逐块编码，输出逐块 LATENT / CONDITIONING / 原图分块，采样交给 ComfyUI 原生 KSampler |
| Element Tile Merge | 把逐块解码后的 IMAGE 列表用同一套低频/高频分离 + 羽化权重拼回整图，可选逐块色彩匹配 |
| Element Krea2 In-Context Patch | 模型补丁：让 Krea2 以 identity-edit 的 in-context 布局消费挂在 conditioning 上的参考 latent |
| Element Strength Schedule | 模型补丁：把逐步 reference_strength 调度挂到模型上，供 ElementTileSplit + 原生 KSampler 工作流使用，KSampler 的 model 输入必须接本节点输出。一体化节点内置同款调度且会忽略上游挂载，单节点工作流直接用其自带参数即可。第 i 个值作用于第 i 个采样步（0 起）；少于 steps 重复末值，多于截取；单值 = 恒定。 1.0 = 完全参考；0 = 该步完全无参考；纯 0/1 列表单倍算力，含小数时值≠1 的步双前向。参数设置越低，越会出现漂移，为保证一致性，前几步数值设置要高，建议前几步设置为1，后面几步可根据所使用的模型适当降低，这种设置对修复瑕疵更有利。 对非图像编辑模型，如sdxl、Qwen image 2512等模型无效 |
几乎所有传统的分块放大节点（TTP、Ultimate SD Upscale 及其衍生）走的都是 img2img 路径：把低分辨率原图加噪后喂给模型，让模型去噪重建。 这条路径有一个结构性缺陷——"重绘力度"和"特征保留"共用同一个通道，也就是降噪值：低（≤0.4），原图信号保留多，特征勉强对得上，但模型重绘自由度不足 → 模糊、塑料感、细节缺失；高（≥0.5），细节和锐度上来了，但原图信号被噪声淹没 → 身份漂移、结构改变、跨块重影 在 img2img 范式下这个矛盾无法调和，因为你只有一个信息通道。所以传统节点的降噪值实际上被锁死在 0.1–0.5 这个狭窄窗口里，放大的上限也就卡在那里。
Element_TileUpscale 把"重绘"和"保特征"拆成两条独立通道，把原图作为独立的参考信号注入模型，参考信号不参与加噪，也不随降噪值衰减。 降噪值只控制重绘力度，不再控制特征保留
- 降噪 0.7-1.0：目标几乎可以从纯噪声重建（不同模型有差异），细节完全由模型生成；同时模型每一步都看着参考图，知道该生成什么内容、什么身份、什么纹理。清晰度和一致性同时拿到。
- 分块参考：防止分块各自为政；给每一块精确的局部对应，防止细节错位。让高降噪下的跨块一致性也成立。
- 低频 / 高频分离融合：拼接时低频（曝光、色彩）走平滑权重，高频（细节、纹理）走近乎独占的权重，避免轮廓重影和接缝模糊。
- 邻居上下文：已生成的相邻块会以全强度反馈给下一块作为输入上下文，让模型把它当作"要延续的内容"，而不是靠重叠区模糊混合去掩盖接缝。（对参考锚定模型而言，邻居上下文主要在 denoise < 1 时软化接缝带的微观纹理；结构与身份的一致性由共享的原图参考承担，这也是 redo_first_tile 对编辑模型几乎无效的原因。）
- 节点的全部价值建立在模型具备参考潜空间参考能力之上。用 SDXL、普通 Flux t2i、Qwen-Image-2512 这类无参考能力的模型时，它会退化成普通的 tiled img2img——此时它并不比 TTP 等工具更好。
- 对模型的识别依赖类名子串匹配（
"flux" in type(dm).__name__.lower()）、tokenizer 签名反射（inspect.signature）和vars()遍历。这些都不是稳定 API。 - Krea2 的 in-context 路径是手动重建前向传播，直接调用
dm.blocks、dm.pe_embedder、img_slice等内部结构；Patch 节点还依赖 core 的extra_condsobject-patch 与 DIFFUSION_MODEL wrapper 机制。一旦上游模型实现变动（改名、改签名、改内部布局），节点很可能静默出错或直接崩溃。
- 每个 tile 都要独立编码参考 latent；开启 grounding 时，每个 tile 还要重新走一遍 text encoder 的 vision 编码。分块越多，这部分开销线性增长。
- Krea2 的 in-context 路径需要跑完整的 DiT 前向，token 序列是
text + source + target三段拼接，注意力成本比原生长。 - tile 的 token 数增长时，注意力成本按平方增长，因此自动 tile 尺寸被限制在 1024–1536。identity-edit LoRA 的训练分辨率上限约 2MP，tile 请尽量不超过 2MP（1536²≈2.36MP 已越界，1408²≈1.98MP 贴上限）。
- 文本编码节点可统一使用 CLIP Text Encode (Prompt)，如果使用了图像编辑模型的专用文本编码节点，不要在文本编码节点中接入参考图。
- CFG 取值应根据使用的模型设置。
- 编辑模型 denoise 取值范围 0.6–1.0；非编辑模型 denoise 取值不超过 0.5。
- 编辑模型接上
clip并填写prompt，让每个 tile 以自身作为 vision 输入重新编码；Krea2 identity-edit 打开reference_mode。 - 若效果不理想，优先调整
grounding_px、feather和overlap，而不是降低denoise。
| 模型 | 推荐降噪值 | 参考注入方式 | 一致性 | 说明 |
|---|---|---|---|---|
| Qwen-Image 2.1 | 1.0 | 参考 latent 精确插在 vision token 位置（image_slots），tile 保持原尺寸不 resize | ★★★★★ | 参考信号最原生，多数情况下可直接拉满。细节完全由模型生成，同时身份 / 结构保持一致 |
| Qwen-Image Edit 2511 | 1.0 | 384×384 vision bucket + reference latent 双通道 | ★★★★ | 同 2509，推荐直接用 1.0 ，缺少细节 |
| Qwen-Image Edit 2509 | 1.0 | 384×384 vision bucket + reference latent 双通道 | ★★★★ | 与 2511 同源，参考通道成熟，可拉满，缺少细节 |
| FLUX.2 klein base | 0.7 – 1.0 | 仅 reference-latent 通道（text encoder 为纯文本，无 vision grounding） | ★★★★ | 缺少 vision 通道, 面部有些油, 偏色, 可使用Smart merge images节点 做色彩或变形校正，搭配防偏移类lora使用时可提升至★★★★☆ |
| Krea2 + krea2_identity_edit | 0.7 – 0.8 | 手动重建 [text｜source(frame=1)｜target(frame=0)] in-context 前向 |
★★★☆ | 高降噪下色彩一致性最好，但有时会出现脏点，0.7–0.8 是清晰度与稳定的最佳平衡点 |
| FLUX.3 klein turbo | 0.7 – 0.8 | text encoder 仅文本有效，无 vision grounding | ★★★ | 缺少细节、易变形（也可能是comfyUI实现的问题），优点是不容易脏 |
| FLUX.2 klein turbo | 0.7 – 0.8 | 仅 reference-latent 通道（text encoder 为纯文本，无 vision grounding） | ★★★ | 缺少 vision 通道，参考信号弱一档，很容易脏、偏色, 可使用Smart merge images节点 做色彩或变形校正，搭配防偏移类lora使用时可提升至★★★☆ |
| Qwen-Image-2512/SDXL系列 | 0.2 – 0.5 | 无 | ★ | 非编辑模型无一致性锚定，即使接入ipadapter等方法，效果依然有限 |
-
模型搭配策略：建议使用 base 或 raw 等非蒸馏模型，搭配 turbo lora（权重约 0.8，根据具体模型自行调整）。这能兼顾基础模型的高质量细节还原与蒸馏模型的生成速度，并能有效规避直接使用纯 turbo 模型放大时容易产生的高频伪影（脏斑）。
-
参考强度曲线（reference_strength）：建议使用“前高后低”的末段放松曲线。例如总步数为 4 步时，可填 1.0, 1.0, 0.9, 0.8。由于 turbo 模型步数极少，每一步的强度对结果影响都很大，建议全程参考强度不要低于 0.7（否则容易导致图像漂移）；若实际使用中出现特征漂移，可将曲线直接拉平至全 1.0。
-
Krea2 模型特调：建议将 negative_prompt 完全留空。这是因为 krea2 的 identity-edit 在训练时的无条件分布即为“同一张图 + 空文本”，留空能与训练分布完美对齐；且在 cfg=1.0 时，节点也能省去负面提示词的编码时间。
以上测试数量有限，存在片面和主观因素，还是要根据不同情况来调整参数。当然，你也可以通过使用增强lora，或使用微调模型来改善结果，但这不在测试范围内。
本节点会把同一份提示词用于每一个分块的文本编码，而每个分块只包含整张图的一小片区域。区域里有什么内容，是由参考图（像素特征）决定的；提示词只负责告诉模型“怎么处理”这些内容。 因此，提示词应遵从“对所有分块都成立”的核心原则：
1. 操作指令 —— 告诉模型这次采样要做什么（对每个分块都成立）：
sharpen and refine details, preserve identity and structure, clean upscale
2. 全局风格 / 光照 / 色调 —— 整张图共有的氛围（对每个分块也都成立）：
cool blue ambient lighting, warm orange rim light, cinematic tone, photorealistic
具体物体、人物、场景名词（如 woman at a computer, glasses, monitor, coffee cup），除非你能确定提示词中描述的物体元素对所有分块都成立：
sharpen and refine, preserve identity and structure, {全局色调/光照/风格}, {画质词}
cd ./ComfyUI/custom_nodes
git clone https://github.com/supElement/ComfyUI-Element_TileUpscale.git
在 ComfyUI Manager 中搜索 ComfyUI-Element_TileUpscale，点击 Install。
依赖即 ComfyUI 本体，无额外安装项。
| 参数 | 说明 |
|---|---|
| model / vae / image / clip | 基础四件套。clip 必接：逐块 conditioning 由它编码，positive / negative 输入端口已移除 |
| upscale_by | 放大倍率，1.0 = 只做重采样精修不放大 |
| tile_mode | 分块方法：开 by count，关 by size |
| columons | tile_mode 开时（by count）才显示这个参数。宽度平分数量 |
| rows | tile_mode 开时（by count）才显示这个参数。高度平分数量 |
| tile_size | tile_mode 关时（by size）才显示这个参数。每块的重采样分辨率。0 = 自动（长边约 4 块，1024–1536）。块越大总块数越少、单块耗时越长。identity-edit LoRA 下每块请 ≤ 2MP |
| overlap | 相邻切片间的重叠量。0 = 自动：切片尺寸的 15%，上限为 256px（取两者中的较小值）。任何非零值将按原样使用，不设上限。数值越高，接缝越平滑，但计算开销越大（开销随重叠量呈二次方增长） |
| feather | 块间融合的羽化强度，1.0 = 最大平滑，一般不动 |
| steps / cfg / sampler / scheduler / denoise / seed | 与 KSampler 同义，直接套用该模型的官方推荐值 |
| prompt | 必填。逐块与该块像素（vision 输入）一起重新编码，是唯一的正向条件来源，留空会报错 |
| negative_prompt | 留空 = 编码空字符串作为基线负向条件。Krea2 identity-edit 建议保持留空 |
| 参数 | 说明 |
|---|---|
| reference_mode | 开 = Krea2 identity-edit 专用 in-context 路径（节点内部自建参考传递机制，无需接 Patch 节点；即使接了也会被本节点自动摘除）。关 = 通用 conditioning 路径（Krea2 下必须配合 Patch 节点，该 Patch 会正常生效，并与逐步参考强度调度正常叠加） |
| redo_first_tile | 在所有其他图块处理完成后，再次重新生成第一个图块，以便它能将已完成的相邻图块作为上下文参考。此操作仅在存在多个图块时适用。对图像编辑模型影响很小 |
| grounding_px | 逐块文本编码的 vision 输入尺寸，默认 768，含义随模型不同：Edit 2509/2511 为 area 桶，0 或 ≥384 一律使用官方 384×384；Qwen 2.1 忽略此参数（锁定为分块自身尺寸）；Krea2 为视觉输入最长边上限，0 = 分块自身尺寸 |
| reference_strength | 每步参考强度（STRING）。直接填数值列表：1.0, 0.8, 0.5（中英文逗号/顿号/冒号均可），也可接收 Element_listGraph_Curve 的 strength_string 输出。第 i 个值作用于第 i 个采样步（0 起）；少于 steps 重复末值，多于截取；单值 = 恒定。 1.0 = 完全参考；0 = 该步完全无参考；纯 0/1 列表单倍算力，含小数时值≠1 的步双前向。参数设置越低，越会出现漂移，为保证一致性，前几步数值设置要高，建议前几步设置为1，后面几步可根据所使用的模型适当降低，这种设置对修复瑕疵更有利。 denoise 不影响本参数；vision/grounding 类参考不受本参数影响。对非图像编辑模型，如sdxl、Qwen image 2512等模型无效 |
| 端口 | 内容 |
|---|---|
| image | 最终拼合完成的整图（主输出） |
| split_images | 切块后的源图列表（调试用） |
| resampler_images | 每块的生成结果列表（调试用，可逐块检查质量） |
| grid | 分块网格描述，供 Element Tile Merge 等下游节点复用 |
只做放大 + 切块 + 逐块编码，采样交给 ComfyUI 原生 KSampler，适合需要自定义采样细节或插入中间处理的场景。
| 参数 | 说明 |
|---|---|
| model / image / vae / clip | clip 必接，positive / negative 输入端口已移除，逐块 conditioning 由 clip + prompt / negative_prompt 编码 |
| upscale_by | 放大倍率，1.0 = 只做重采样精修不放大 |
| tile_mode | 分块方法：开 by count，关 by size |
| columons | tile_mode 开时（by count）才显示这个参数。宽度平分数量 |
| rows | tile_mode 开时（by count）才显示这个参数。高度平分数量 |
| tile_size | tile_mode 关时（by size）才显示这个参数。每块的重采样分辨率。0 = 自动（长边约 4 块，1024–1536）。块越大总块数越少、单块耗时越长。identity-edit LoRA 下每块请 ≤ 2MP |
| reference_mode | 开 = Krea 2 identity-edit：逐块输出 vision 槽 grounding + 参考 latent 双通道条件，参考同时挂正负两侧；必须配合 Patch 节点（Split 自身不重建前向）。关 = 通用 conditioning 路径 |
| grounding_px / prompt / negative_prompt | 含义与一体化节点相同。Split 没有 reference_strength 参数：逐步强度调度请用 Element Strength Schedule 节点挂在 model 上（其输出接 KSampler 的 model 输入） |
输出：tile_positives / tile_negatives（逐块 CONDITIONING 列表）、tile_latents（逐块 LATENT 列表）、grid（分块网格）、tile_sources（原图分块 IMAGE 列表，供 Merge 做色彩匹配参考）。
把逐块解码后的 IMAGE 列表拼回整图。融合逻辑与一体化节点完全一致：低频走平滑羽化权重、高频走近乎独占的权重。
| 参数 | 说明 |
|---|---|
| tile_images | 解码后的逐块 IMAGE 列表 |
| grid | Split 输出的分块网格 |
| feather | 块间融合的羽化强度 |
| tile_sources | 可选。Split 输出的原图分块，作为色彩匹配参考 |
| color_match_strength | 0 = 关闭。>0：每个重采样分块与原图对应分块做逐通道 mean/std 色彩迁移（对齐色调、保留细节），需连接 tile_sources |
输出：拼合完成的整图。
可以使用另一个扩展中的 Smart merge images节点 替代，Smart merge images 对色彩和畸变校正的处理结果更好。
Smart merge images 支持局部图像拼接，可用下方工作流修复局部画面;
注意：提示词中描述了具体的物体元素，但它遵从了在所有分块中都成立的核心原则。
怎么用？ workflow文件夹中已提供相关工作流。
显存不够？ 减小 tile_size（分块更多、单块更小）。Edit 2509/2511 可额外降低 grounding_px；Qwen 2.1 的 grounding_px 不参与计算，只能减小 tile_size。
SDXL 等普通模型能用吗？ 能。节点会自动退化为普通分块 img2img，参考 latent 被模型忽略，用 denoise 控制细节强度（0.2 – 0.5 起试）。
Krea 2 用单节点时要不要接 Patch 节点？
reference_mode 开着就不需要（内部自建同款机制，接了也会被自动忽略）；关着（conditioning 路径）必须接，否则参考被 core 静默丢弃。详见上文 Patch 节点说明。