跳轉至

Latent Upsampler

在完全不脫離潛在空間的前提下，對潛在張量進行空間解析度放大——通常置於兩個 Generate 生成階段之間，用於實現極速且精緻的高解析度細化渲染。

類別目錄：ModularDiffusion/Processing

核心速覽

  • 直接在潛在空間 (Latent Space) 中完成超解析度上採樣，完全免除「先解碼為像素影像 → 傳統演算法放大 → 再次編碼回潛在張量」的耗時高損耗往返轉換。
  • 透過 provider 下拉選單挑選上採樣器模型家族。
  • 典型用法為置於兩個 Generate Media Latents 節點之間：低解析度快速生成基礎結構 → 潛在放大 → 高解析度細節細化去噪。

典型工作流程架構

Generate Media Latents (低解析度) → [Latent Upsampler] → Generate Media Latents (細化重繪) → Decode

節點介面預覽

Latent Upsampler

輸入端說明

名稱 型別 必填 說明備註
input_latent LatentArtifact 是 欲放大的潛在張量。必須處於管線標準潛在空間維度中（任何 Generate 或 Encode 節點的輸出皆可相容）。

輸出端說明

名稱 型別 說明備註
output_latent LatentArtifact 空間幾何尺寸完成放大的全新潛在張量。

參數說明

名稱 型別 說明備註
provider choice 上採樣器模型家族（例如 LTX2）。切換此項會自動重置下方的模型選取器。
upsampler_model HF repo picker 用於放大的神經網路權重 Hugging Face 存放庫 ID。

技巧與避坑指南

  • 潛在空間放大模型具備高度模型相依性：LTX2 專用放大器無法處理 SDXL 或 Flux 的潛在張量。請務必確保上採樣器家族與上游生成管線嚴格匹配。
  • 放大後強烈建議銜接二次細化生成：上採樣器純粹負責提高張量維度解析度，並不負責去噪修潤——通常應在放大後接續一個步數較短（低去噪強度）的 Generate Media Latents 節點以補充豐富微觀細節。

相關延伸閱讀

  • Generate Media Latents —— 分別置於本節點上游（初生成）與下游（細節細化）的核心去噪節點。
  • Decode Media Latent —— 工作流程末端將放大後的張量解碼為實體畫面的最終節點。