IPAdapter Mad Scientist
节点功能：该节点通过设置不同的权重，用来实验每一层参数对结果的影响。IPAdapter Mad
节点中英文对比
IPAdapter Mad Scientist
weight
weight_faceidv2
weight_type
combine_embeds
start_at
end_at
embeds_scaling
layer_weights
IPAdapter Mad Scientist
weight
weight_faceidv2
weight_type
combine_embeds
start_at
end_at
embeds_scaling
layer_weights
IPAdapter Mad Scientist - 参数说明
输入参数
model
ComfyUI 模型对象，一般为 SD1.5/SDXL 等生成模型。
ipadapter
加载好的 IPAdapter 模型结构。
image
提供引导风格/语义的参考图像。
image_negative
负面图像（例如不希望生成的风格），可用于反引导或细化控制。
attn_mask
注意力掩码，用于局部区域控制（如只作用于脸部）。
clip_vision
替代默认视觉编码器，用于获得更强语义嵌入或兼容特殊模型。
insightface
面部识别模型，用于 faceidv2 的处理，增强面部一致性。
输出参数
MODEL
应用了风格引导的 SD 模型，可继续用于生成或合成。
控件参数
weight
权重的应用方式。来自 WEIGHT_TYPES 常量，可能包含 linear, constant, 等。
weight_faceidv2
专门针对 FaceID v2 模型的引导强度。
weight_type
权重的应用方式。来自 WEIGHT_TYPES 常量，包含 linear、constant 等。
combine_embeds
多个嵌入向量的组合方式，如 concat、add、subtract、average、norm average。
concat: 直接拼接所有嵌入。
add: 将多个嵌入向量相加。
subtract: 用于两个嵌入之间的差异。
average: 平均化处理。
norm average: 加权平均后再做归一化。
多图风格融合用 average 较好。
要保留多图独立特征可选 concat。
start_at
起始步数，决定在哪个 step 开始启用 IPAdapter，引导过程的控制点，范围为 0.0-1.0。
end_at
终止步数，控制在哪个 step 停止使用 IPAdapter，引导强度随步数渐变。
embeds_scaling
嵌入向量的缩放方式，如只对 V 进行缩放，或对 KV 进行惩罚性调整等。
V only: 只缩放 Value 向量。
K+V: 缩放 Key 和 Value。
K+V w/ C penalty: 加入惩罚项的 K+V 缩放。
K+mean(V) w/ C penalty: 加权平均 V 后缩放
layer_weights
对各层的影响权重（通常是逗号或空格分隔的字符串），支持精细控制每一层的影响力。格式为 "0.1,0.3,0.5,0.8,1.0" 或 "0.1 0.3 0.5"。需要理解模型中哪些层对应哪些语义信息（如底层层感知纹理、上层感知语义），这对调节生成风格非常重要。初学者可以设置空值或只设置简单层权重，如 1.0，再逐步学习控制不同层的影响。
暂无节点说明