CLIP视觉编码 - ComfyUI内置节点文档
CLIP视觉编码节点用于将输入图像通过CLIP Vision模型转换为视觉特征向量。
CLIP视觉编码 节点是 ComfyUI 中的图像编码节点，用于将输入图像通过 CLIP Vision 模型转换为视觉特征向量。该节点是连接图像和文本理解的重要桥梁，广泛用于各种 AI 图像生成和处理工作流中。
节点功能
- 图像特征提取：将输入图像转换为高维特征向量
- 多模态桥接：为图像和文本的联合处理提供基础
- 条件生成：为基于图像的条件生成提供视觉条件
输入参数
| 参数名 | 类型 | 说明 |
|---|---|---|
clip视觉 | CLIP_VISION | CLIP视觉模型，通常通过 CLIPVisionLoader 节点加载 |
图像 | IMAGE | 需要编码的输入图像 |
裁剪 | 下拉选择 | 图像裁剪方式，可选值：center（居中裁剪）、none（不裁剪） |
输出参数
| 参数名 | 类型 | 说明 |
|---|---|---|
| CLIP视觉输出 | CLIP_VISION_OUTPUT | 编码后的视觉特征 |
这个输出对象包含:
last_hidden_state: 最后一层的隐藏状态image_embeds: 图像嵌入向量penultimate_hidden_states: 倒数第二层的隐藏状态mm_projected: 多模态投影结果（如果可用）