【AI学习-comfyUI学习-第十六节-高清放大工作流-各个部分学习】

1，前言

最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。

2，说明

1：第十六节-高清放大工作流-一句话总结

先用 SD 文生图生成 512×512 的高质量原图 →
再用超分模型（4x-UltraSharp）放大到 2048×2048 →
最后保存高清图像的工作流

属于 「生成 + 后期高清化」分离式设计，非常稳。

2：工作流更深的洞见

Stable Diffusion + Latent + 超分
不是“画图技术”，
而是一种“如何让机器在复杂空间里逐步逼近合理世界状态”的方法论。

3：什么叫“锚定扩散”？

这个 SD Upscale 节点里，有一个极其关键但常被忽略的参数：

降噪强度（denoise）：0.20
原图的结构是“硬约束”，是从“已有结构附近”开始微调
diffusion 只在“允许的小邻域内”搜索更优解

在用 Stable Diffusion 当一个“条件约束下的高分辨率结构优化器”

1-第十六节-高清放大工作流

（1）调用模块

整个模块部分

这回整个模块都可以截截图下了

（2）输出 提示词

ultra-detailed wildlife photo of a caracal, realistic fur texture, golden hour sunlight, 200mm telephoto lens, shallow depth of field, National Geographic style, intense eyes

（3）模型加载

（4）生成图片

（5）那超分模型的本质是什么

用的 4x-UltraSharp，它和 SD 完全不是一类模型。

超分模型的本质：

在像素空间中学习：
“低分辨率图像 ↔ 高频细节之间的统计关系”

它只干一件事：

“这里看起来像毛 → 应该补出毛的细节”

2-第十六节 SD放大高清工作流

（1）调用模块

整个模块部分

这回整个模块都可以截截图下了

（2）输出 提示词

animal

（3）模型加载

（4）生成图片

（5）本质是什么

一句话点破这张图的本质

这是一个「在像素空间中，重新回到 latent 再做一次受控 diffusion 的放大流程」

本质不是“超分”，而是：
以原图为锚点，对高分辨率 latent 进行“低噪声再生成”

这和之前那个「生成 → 超分」已经是两个层级的东西了。

4，细节部分

5，使用的工作流

（1）高清放大工作流
https://download.csdn.net/download/qq_22146161/92456081
（2）SD高清放大工作流
https://download.csdn.net/download/qq_22146161/92456087

6，总结

这也算各一个开始吧，我也在学习摸索中。