IPAdapter Tiled
节点功能：该节点用来分块参考上传的参考图，进而减少图片毁坏的情况。IPAdapter
节点中英文对比
IPAdapter Tiled
weight
weight_type
combine_embeds
start_at
end_at
sharpening
embeds_scaling
IPAdapter Tiled
weight
weight_type
combine_embeds
start_at
end_at
sharpening
embeds_scaling
IPAdapter Tiled - 参数说明
输入参数
model
主要的图像生成模型（如 SD 1.5 / SDXL 等）。
ipadapter
IPAdapter 模型结构，可能包含视觉模型（clip_vision）。
image
用于提取嵌入特征的风格图像，将被切分为多个 tile。
image_negative
负面风格图像，可用于风格抑制。
attn_mask
注意力遮罩，仅对图像的部分区域应用 IPAdapter 嵌入。
每个 tile 都有一个对应的 mask 区域；
可以对原图进行区域限制（如只保留人物区域）；
默认情况下为全 1，即所有区域均受影响。
clip_vision
CLIP视觉模型，可覆盖默认绑定的 clipvision 模块。
输出参数
MODEL
注入了多个 tile 风格嵌入后的模型。
tiles
所有切片后的 tile 图像合并（按批次拼接）。
masks
每个 tile 对应的 attention mask 合并结果。
控件参数
weight
融合嵌入的强度，默认 1.0，范围为 -1 到 3。
weight_type
权重调节方式，如 constant、linear、step、fade。
combine_embeds
多 tile 嵌入的合并方式：concat, add, subtract, average, norm average。
concat 拼接特征，适合保持 tile 独立性，但可能维度爆炸。
add/subtract 加权或差异融合，可用于增强或对比风格特征。
average 平均化合并，平滑过渡但易丢细节。
norm average 加入归一化，减少异常值影响，更稳健。
建议默认用 average 或 norm average，更平衡。
start_at
嵌入生效的起始时间点（0~1），默认 0。
end_at
嵌入生效的结束时间点（0~1），默认 1。
sharpening
对 tile 图像应用的锐化程度（0~1），默认 0，提升细节识别能力。
对每个 tile 应用自适应锐化（contrast adaptive sharpening）；
有助于提升 CLIP 对 tile 的理解能力；
建议在风格图模糊或压缩时使用 0.2~0.5 的值
embeds_scaling
嵌入缩放策略，控制 Key/Value 的 attention 权重： - V only：仅缩放 V - K+V：同时缩放 Key 与 Value - K+V w/ C penalty：加入通道惩罚项 - K+mean(V) w/ C penalty：引入 V 的均值惩罚项。 推荐： K+V 在表现更复杂风格时更稳定； K+V w/ C penalty 可以防止通道过拟合。
暂无节点说明