- 本質的な編集可能性：各レイヤーを他のコンテンツに影響を与えることなく独立して操作可能
- 高忠実度の基本操作：サイズ変更、再配置、色変更をサポート。意味的コンポーネント間で物理的に分離された状態を維持
- 可変レイヤー数の分解：固定数のレイヤーに限定されず、必要に応じて 3、4、8、あるいはそれ以上のレイヤーへと分解可能
- 再帰的分解：任意のレイヤーをさらに細分化でき、無限の分解深度を実現
Qwen-Image-Layered ワークフロー
JSON ワークフローファイルをダウンロード
ComfyUI Cloud で実行
モデルのダウンロード先
text_encoders diffusion_models vae モデルの保存場所FP8 バージョン
デフォルトでは bf16 を使用していますが、これは高い VRAM を必要とします。VRAM 使用量を削減したい場合は、FP8 バージョンをご利用ください： その後、サブグラフ内の Load Diffusion model ノードを更新し、このファイルを使用するように設定してください。レイヤーと出力
レイヤーの数は、サブグラフ内の Empty Qwen Image Layered Latent ノードにあるlayers ウィジェットで設定します。
このモデルはレイヤーだけでなく完全な画像も生成するため、1 回の生成は常に layers + 1 枚の画像にデコードされます：
最初の画像は完全な画像であり、レイヤーではありません。 画像からレイヤーへのワークフローでは入力画像を再現したものになるため、レイヤーだけが必要な場合は破棄してください。
layers には 0 を指定でき、その場合はこの画像だけが得られます。
すべてのレイヤーを合成し直すと完全な画像が再現されます。 これは確認に使えます。レイヤーを重ねても最初の画像が再現されない場合、分解は意図したとおりに機能していません。
レイヤーが個別の画像になる仕組み
Empty Qwen Image Layered Latent ノードは[batch_size, 16, layers + 1, height // 8, width // 8] という形状の 5D Latent を確保します。レイヤーは 3 番目の軸に並び、これは映像モデルがフレームを置くのと同じ時間軸です。LatentCutToBatch ノードの dim を t に設定するとその軸がバッチ次元へ移されるため、VAE Decode の後は各レイヤーがバッチ内の個別の画像になります。
したがって、レイヤーの重なり順はバッチ内のインデックスそのものであり、インデックス 0 の完全な画像から数えます。z-index フィールドも、その順序を保持するレイヤーごとのメタデータも存在しないため、バッチを並べ替えたりフィルタリングしたりすることは、そのままレイヤーの並べ替えになります。
Qwen-Image-Layered の VAE は 4 チャンネルにデコードするため、デコードされたレイヤーはアルファチャンネルを持ちます。