IPAdapter Precise Composition Batch
节点功能：该节点是IPAdapter Precise Composition节点的功能衍生，可以参考多张图像完成生图，具体可看下面示例。IPAdapter Precise Composition
节点中英文对比
IPAdapter Precise Composition Batch
weight
composition_boost
combine_embeds
start_at
end_at
embeds_scaling
IPAdapter Precise Composition Batch
weight
composition_boost
combine_embeds
start_at
end_at
embeds_scaling
IPAdapter Precise Composition Batch - 参数说明
输入参数
model
主模型（如 SDXL、SD1.5）。
ipadapter
已加载的 IPAdapter 模型对象。
image
输入图像（可以是多张组成的批次）。
image_negative
用作负向特征对比的图像。
attn_mask
注意力掩码，控制图像区域对注意力机制的影响。
clip_vision
可选 CLIP-Vision 模型，若不提供则使用 IPAdapter 默认的。
输出参数
MODEL
包含图像引导融合逻辑的模型对象，供后续采样（如 KSampler）使用。
控件参数
weight
图像引导的权重，控制图像对生成的影响程度。
composition_boost
多图嵌入组合时的强化因子，提升合成图像中的结构表现力。
控制合成图像中结构感/层次感的强化力度。
类似提示词中的 [1.4:strong style] 强化语法；
一般设置在 0.5~2.0 之间可以提升图像的清晰度、轮廓感；
如果设置过高，可能导致生成画面过于锐利或不自然。
combine_embeds
多图嵌入的组合方式，如 concat、average 等。
concat：将多个图像嵌入拼接在一起，信息量最大，但计算负载高。
add：所有图像特征直接相加，适合风格融合，表达浓烈。
subtract：使用第一个图像减去其余图像的特征，用于风格对比或排除。
average：多个嵌入平均化，合成效果柔和。
norm average：特征先归一化后平均，适合平衡风格差异较大的图像。
在多图任务中，这个参数决定生成图像是偏“叠加融合”还是“对比突出”。
start_at
扩散过程中开始应用引导的步数比例（范围 0～1）。
end_at
扩散过程中停止引导的步数比例（范围 0～1）。
embeds_scaling
嵌入特征的缩放方式，决定作用在 K/V 的范围与是否使用惩罚策略。
V only：仅影响 V（Value）部分，标准做法。
K+V：同时作用于 Key 和 Value，引导力更强。
K+V w/ C penalty：在 K/V 引导基础上，对冲突特征区域加惩罚，防止混乱。
K+mean(V) w/ C penalty：对 Value 取均值再施加惩罚，更加稳健。
若在多图融合中出现融合不充分或冲突感，建议尝试使用带 penalty 的方式提升效果。
暂无节点说明