概要
Empty Qwen Image Layered Latent ノードは、Qwen-Image-Layered モデルが描画するための空白のキャンバスを準備します。順番に重ねてとめたきれいなトレーシングペーパーの束を想像してください。モデルは最初の1枚に全体の画像を描き、それ以降の各紙にはその画像の一部を描きます。このノードは紙の大きさと枚数を決めるだけで、それ自体は何も描きません。入力
注記：
width および height パラメータは、出力される潜在テンソルの空間次元を決定するために内部的に8で除算されます。
出力
要求した数より1枚多く画像が得られる理由
Qwen-Image-Layered は画像を分解するだけでなく、レイヤーと並べて全体の画像も専用の紙に描き直します。そのため、紙の束は常に要求したレイヤー数より1枚多くなります。- 最初の画像は全体画像であり、レイヤーではありません。 それはすでに手元にある画像と同じものなので、レイヤーだけが必要な場合は捨ててください。
- すべてのレイヤーを重ね合わせると、再び全体画像が得られます。 それらを足しても最初の画像にならない場合、分離は意図したとおりに機能していません。これは結果をすばやく確認する方法です。
- 紙の順番を保ってください。 紙の束は、どのレイヤーがどの上に位置するかを記録する唯一の手がかりです。紙自体には位置を示す情報は何も書かれていないため、画像の並べ替えや削除は、レイヤーの並べ替えや喪失を意味します。
- レイヤーは透明度を持って出力されるため、下のレイヤーが不透明な背景の後ろに隠れることなく重ねられます。
使用上のヒント
通常の空の潜在表現と同じように出力をサンプラーに送り、VAE デコードの前にdim を t に設定した LatentCutToBatch を配置します。これが、紙の束を全体画像から始まる順番どおりに個々の画像へ分解するステップです。
まずはデフォルトの3レイヤーから始めてください。それ以上を要求すると生成時間が長くなり分離がより細かくなりますが、モデルが少ない数で何をするかを確認するまでは増やす価値はありません。
このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集
Source fingerprint (SHA-256):
fe97966663c534dd347aa49a908a8026f2c34716631f1d17be97d74eacc3574e