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 FLUX.2 klein、Qwen-Image 2.1 / Edit 2509 / 2511、Krea 2 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；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 | 状态 | 作用 |
|---|---|---|
| Element Tiled Upscale | 稳定 | 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 | 实验性 | 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 | 实验性 | 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 (beta) | 实验性 | 模型补丁：让 Krea 2 以 identity-edit 的 in-context 布局消费挂在 conditioning 上的参考 latent |
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：
| 降噪值 | 结果 |
|---|---|
| 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。更麻烦的是，如果用的是非图像编辑模型（普通 SDXL / Flux t2i），它根本没有"参考图"概念，一致性只能靠降噪值硬扛，结果更不可控。
这个节点不再依赖加噪输入来传递原图信息，而是把原图作为独立的参考信号注入模型——参考信号是干净的，不参与加噪，也不随降噪值衰减。
| 通道 | 作用 | 是否受降噪值影响 |
|---|---|---|
| 目标 latent（加噪输入） | 决定这一块要生成什么 | 是，降噪越高重绘越充分 |
| 参考 latent / in-context 参考 | 告诉模型"原图长这样" | 否，始终以干净 token 存在 |
于是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。）
- 自动对齐：节点会从模型中读取 VAE 下采样率和 DiT patch size，把分块尺寸对齐到模型的 token 像素网格，并按需自动规划分块几何。
选它，如果你：
- 用 FLUX.2 klein / Qwen-Image 2.1 / Edit 2509 / 2511 / Krea 2（+identity_edit）做放大或精修；
- 想要明显更高的清晰度和细节，而不是在 0.2–0.5 降噪下妥协；
- 需要跨分块的身份、结构、纹理一致，不要重影和接缝；
- 想要一个单节点、开箱即用的方案，而不是自己搭一整套分块工作流。
它可能不适合你，如果你：
- 需要语义 / 对象感知的可变尺寸分块；
- 需要逐节点精细控制整个分块流程；
- 使用的模型本身不具备任何参考潜空间能力，且你的目标只是轻微放大。
- 节点的全部价值建立在模型具备参考潜空间（reference latents）或 in-context 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。 - Krea 2 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。
- Krea 2 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）。
- TiledUpscale 把放大、切块、采样、融合封装在一个节点里，替换其中某一步或插入自定义后处理不方便。
- 需要拆解重组时，用 Element Tile Split + 原生 KSampler（组）+ Element Tile Merge 搭等效工作流：Split 负责几何与逐块条件，采样细节完全由你掌控，Merge 负责拼合与可选色彩匹配。
- 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；Krea 2 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 2509 | 1.0 | 384×384 vision bucket + reference latent 双通道 | ★★★★★ | 与 2511 同源，参考通道成熟，可放心拉满 |
| Qwen-Image Edit 2511 | 1.0 | 384×384 vision bucket + reference latent 双通道 | ★★★★★ | 同 2509，推荐直接用 1.0 |
| Krea 2 + krea2_identity_edit | 0.7 – 0.8 | 手动重建 [text｜source(frame=1)｜target(frame=0)] in-context 前向 |
★★★★★ | 高降噪下一致性最好，但有时会出现脏点 不建议拉满；0.7–0.8 是清晰度与稳定的最佳平衡点 |
| FLUX.2 klein | 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，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 |
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。
reference_strength保持 1.0：Krea 2 的 in-context 参考（source latent）必须与输出同尺寸，低于 1.0 只会得到同尺寸高斯模糊的参考，对 identity-edit 是粗糙的代用品。negative_prompt建议留空：identity-edit 训练时的无条件分布就是"同一张图 + 空文本"，留空即与训练分布对齐；cfg=1.0 时节点也不会浪费编码时间。- 想用负向引导（修复变形、排除多余元素）：把 cfg 提到 1.2–1.5 并在
negative_prompt写具体描述（如deformed anatomy, extra fingers, warped perspective）。注意 cfg>1 时的负向属于分布外使用，自行权衡收益。 - 指令要具体：指令编辑模型对"位置 + 目标 + 其余保持不变"形式的三段式指令遵从度更高，泛泛的 "fix distortions" 基本推不动。
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_size | 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。Krea 2 identity-edit 建议保持留空（见上文搭配要点） |
| 参数 | 说明 |
|---|---|
| reference_mode | 开 = Krea 2 identity-edit 专用 in-context 路径（节点内部自建参考传递机制，无需再接 Patch 节点）；关 = 通用 conditioning 路径（Krea 2 下建议配合 Patch 节点使用，见下文） |
| 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）；Krea 2 为视觉输入最长边上限，0 = 分块自身尺寸 |
| reference_strength | 每图块参考强度，决定如何锚定原始图像。1.0 = 完整参考。降低数值的效果分两种路径：vision/grounding 类参考得到同尺寸高斯低通；reference-latent 类参考（Qwen Edit 2509/2511）得到真缩小的小图（area 平均池化，模型自由重新放大）。 <1.0 时 Krea 2 identity-edit 有概率出现重影，建议 1.0 |
| 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 |
可以使用我的另一个扩展中的 Smart merge images节点 做色彩或变形校正。
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 | 同上 |
| tile_size / overlap | 同上（tooltip 中含 ≤2MP 提示） |
| 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 / reference_strength / prompt / negative_prompt | 含义与一体化节点相同 |
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）。
典型用法：Split →（Krea 2 时接 Patch）→ 逐块 KSampler → VAE Decode → Element Tile Merge。
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。
给 Krea 2 模型打两个补丁，使其以 identity-edit LoRA 训练时的布局 [text｜source(frame=1)｜target(frame=0)] 消费挂在 conditioning 上的参考：
extra_conds重写：采样器在构造条件时会调用model.extra_conds(**cond_dict)并丢弃未知键——reference_latents原本到不了 DiT 前向。这里把它显式转换成前向形参ref_latents（与 Ostris 的 Krea2OstrisEditModelPatch 同一方法）。- DIFFUSION_MODEL wrapper：读取
ref_latents，把序列按 identity-edit 布局重建后走 DiT，而不是 ComfyUI 原生的 T2I 布局。
| 什么时候接 | 结论 |
|---|---|
TiledUpscale 单节点 + reference_mode 开 |
不需要接。节点内部自建了同款机制（per-tile 参考经内部 holder 直传），接了无害但纯属多余 |
TiledUpscale 单节点 + reference_mode 关 + Krea 2 |
建议接。不接时 core 会静默丢弃参考，只剩 vision img2img，等于半个 identity-edit；接了才是完整的"latent 外观 + vision 语义"双通道。此组合下请 reference_strength=1.0、cfg=1.0（negative 不带参考，cfg>1 时 uncond 会走原生 T2I 前向，与训练分布不对称） |
| Element Tile Split + Krea 2（reference_mode 开或关） | 必接。Split 只负责发逐块 conditioning，前向重建完全依赖本补丁 |
| 非 Krea 2 模型 | 自动 pass-through，无任何影响 |
- cfg = 1.0：节点自动跳过无用的负向文本编码，编码阶段耗时减半；
negative_prompt不参与采样。 - cfg > 1.0：逐块编码负向条件。Qwen 系模型按常规负向使用；Krea 2 identity-edit 的训练无条件分布是"同一张图 + 空文本"，留空最贴近训练分布，填具体负向词属于分布外使用，用于修复变形等场景时自行权衡。
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）；关着（conditioning 路径）就建议接，否则参考被 core 静默丢弃。详见上文 Patch 节点的使用时机表。
Split + 原生 KSampler 的工作流怎么搭？
Split →（Krea 2 时接 Patch）→ 逐块 KSampler（采样器 / 步数 / cfg 完全自定义）→ VAE Decode → Element Tile Merge（可选接 tile_sources 开色彩匹配）。注意 Split 输出的是列表，KSampler 与 Merge 均按列表逐项处理。
Krea 2 想修复参考图里的变形元素？
denoise 提到 0.8–1.0 让模型有重画空间；prompt 写具体（位置 + 目标 + "其余保持不变"）；指令推不动时把 cfg 提到 1.2–1.5 并在 negative_prompt 描述要排除的变形（见上文搭配要点）；reference_strength 保持 1.0。