Extensions/ComfyUI-Element_TileEdit
ComfyUI Extension

ComfyUI-Element_TileEdit

An extension for tile-based editing, refinement, and upscaling, designed specifically for image editing models (such as Qwen Image 2.1, Qwen Image Edit 2511, FLUX.2 klein, and Krea2).

By supElement·Created 13 days ago·Updated a day ago· 1
supElement/ComfyUI-Element_TileEdit
Nodes—
On cloudLocal install
Stars1
Updateda day ago
Readme
<div align="center">

中文 English

</div>

ComfyUI-Element_TileEdit

<sub> 原名：ComfyUI-Element_TileUpscale </sub>

专为图像编辑模型设计的分块精修 / 编辑 / 放大的comfyUI扩展。它让 Qwen-Image 2.1 / Edit 2509 / 2511、FLUX.3/FLUX.2 klein、Krea2 这类模型在分块放大时，以 分块参考 ≫ 频率分离融合 > 邻居上下文 三层机制共同保证跨块一致性，denoise 重绘强度可以放心开到 0.7–1.0，同时保持原图的身份、结构与纹理一致；每采样步参考强度可以自定义，控制修复强度与一致性的平衡；延续部分图像编辑模型的能力（仅限单图）。这是传统 img2img 分块放大做不到的。用空间分块替代 Mask，实现多区域、多指令的图像编辑。手动分割模式（by Manual） 提供了真正的“分块级语义隔离”与像素级控制力：你可以精准地把分块指定到“白衬衫”上，并且只在对应 Layer 的 Prompt 里写“改成蓝衬衫”。同时，未被框选的背景、头发、桌子会被自动划入 Gap fill（补块） 区域，它们不接收改衬衫的指令（或仅接收基础的全局画质增强指令），从而完美保持原状。此外，每个手动分割的图层还可以独立设置放大尺寸，让你在编辑或重绘核心区域时，拥有更高的分辨率与细节表现。手动分割（CTRL + 左键拖动添加分块）。

<img width="2290" height="1123" alt="image" src="https://github.com/user-attachments/assets/ebb876d9-3bc6-436e-a87e-938b7dbf350a" />
<img width="2379" height="1093" alt="image" src="https://github.com/user-attachments/assets/1464d90d-e044-4423-9d27-7fa2a581a66e" />

节点一览

| 节点 | 作用 | |---|---| | Element Tiled Upscale | 一体化节点：放大 → 切块 → 逐块参考重绘 → 频率分离融合，一键出图 | | Element Tile Split | 纯几何分块 + 图像源接入，无模型依赖。后端执行时会全量重算几何，前端 UI 只做预览。| | Element Tile Encode | 把每块图像 / 提示词编码成 per-tile 的 LATENT + CONDITIONING，采样交给 ComfyUI 原生 KSampler | | Element Tile Merge | 把逐块解码后的 IMAGE 列表用同一套低频/高频分离 + 羽化权重拼回整图，可选逐块色彩匹配 | | Element Krea2 In-Context Patch | 模型补丁：让 Krea2 以 identity-edit 的 in-context 布局消费挂在 conditioning 上的参考 latent | | Element Strength Schedule | 模型补丁：把逐步 reference_strength 调度挂到模型上，供 ElementTileSplit + 原生 KSampler 工作流使用，KSampler 的 model 输入必须接本节点输出。一体化节点内置同款调度且会忽略上游挂载，单节点工作流直接用其自带参数即可。第 i 个值作用于第 i 个采样步（0 起）；少于 steps 重复末值，多于截取；单值 = 恒定。 1.0 = 完全参考；0 = 该步完全无参考；纯 0/1 列表单倍算力，含小数时值≠1 的步双前向。参数设置越低，越会出现漂移，为保证一致性，前几步数值设置要高，建议前几步设置为1，后面几步可根据所使用的模型适当降低，这种设置对修复瑕疵更有利。 对非图像编辑模型，如sdxl、Qwen image 2512等模型无效 |

为什么需要它

几乎所有传统的分块放大节点（TTP、Ultimate SD Upscale 及其衍生）走的都是 img2img 路径：把低分辨率原图加噪后喂给模型，让模型去噪重建。 这条路径有一个结构性缺陷——"重绘力度"和"特征保留"共用同一个通道，也就是降噪值：低（≤0.4），原图信号保留多，特征勉强对得上，但模型重绘自由度不足 → 模糊、塑料感、细节缺失；高（≥0.5），细节和锐度上来了，但原图信号被噪声淹没 → 身份漂移、结构改变、跨块重影 在 img2img 范式下这个矛盾无法调和，因为你只有一个信息通道。所以传统节点的降噪值实际上被锁死在 0.1–0.5 这个狭窄窗口里，放大的上限也就卡在那里。

Element_TileEdit 把"重绘"和"保特征"拆成两条独立通道，把原图作为独立的参考信号注入模型，参考信号不参与加噪，也不随降噪值衰减。 降噪值只控制重绘力度，不再控制特征保留

  • 降噪 0.7-1.0：目标几乎可以从纯噪声重建（不同模型有差异），细节完全由模型生成；同时模型每一步都看着参考图，知道该生成什么内容、什么身份、什么纹理。清晰度和一致性同时拿到。
  • 分块参考：防止分块各自为政；给每一块精确的局部对应，防止细节错位。让高降噪下的跨块一致性也成立。
  • 低频 / 高频分离融合：拼接时低频（曝光、色彩）走平滑权重，高频（细节、纹理）走近乎独占的权重，避免轮廓重影和接缝模糊。
  • 邻居上下文：已生成的相邻块会以全强度反馈给下一块作为输入上下文，让模型把它当作"要延续的内容"，而不是靠重叠区模糊混合去掩盖接缝。（对参考锚定模型而言，邻居上下文主要在 denoise < 1 时软化接缝带的微观纹理；结构与身份的一致性由共享的原图参考承担，这也是 redo_first_tile 对编辑模型几乎无效的原因。）

已知限制与缺点

1. 依赖特定的模型能力，对非图像编辑模型不友好

  • 节点的全部价值建立在模型具备参考潜空间参考能力之上。用 SDXL、普通 Flux t2i、Qwen-Image-2512 这类无参考能力的模型时，它会退化成普通的 tiled img2img——此时它并不比 TTP 等工具更好。

2. 模型识别依赖逆向工程，可能存在 comfyUI 跨版本稳定性

  • 对模型的识别依赖类名子串匹配（"flux" in type(dm).__name__.lower()）、tokenizer 签名反射（inspect.signature）和 vars() 遍历。这些都不是稳定 API。
  • Krea2 的 in-context 路径是手动重建前向传播，直接调用 dm.blocks、dm.pe_embedder、img_slice 等内部结构；Patch 节点还依赖 core 的 extra_conds object-patch 与 DIFFUSION_MODEL wrapper 机制。一旦上游模型实现变动（改名、改签名、改内部布局），节点很可能静默出错或直接崩溃。

3. 性能与显存开销更大(在可接受范围内)

  • 每个 tile 都要独立编码参考 latent；开启 grounding 时，每个 tile 还要重新走一遍 text encoder 的 vision 编码。分块越多，这部分开销线性增长。
  • Krea2 的 in-context 路径需要跑完整的 DiT 前向，token 序列是 text + source + target 三段拼接，注意力成本比原生长。
  • tile 的 token 数增长时，注意力成本按平方增长，因此自动 tile 尺寸被限制在 1024–1536。identity-edit LoRA 的训练分辨率上限约 2MP，tile 请尽量不超过 2MP（1536²≈2.36MP 已越界，1408²≈1.98MP 贴上限）。

4. 不保证对未适配模型的正确性

推荐降噪值与搭配

  • 文本编码节点可统一使用 CLIP Text Encode (Prompt)，如果使用了图像编辑模型的专用文本编码节点，不要在文本编码节点中接入参考图。
  • CFG 取值应根据使用的模型设置。
  • 编辑模型 denoise 取值范围 0.6–1.0；非编辑模型 denoise 取值不超过 0.5。
  • 编辑模型接上 clip 并填写 prompt，让每个 tile 以自身作为 vision 输入重新编码；Krea2 identity-edit 打开 reference_mode。
  • 若效果不理想，优先调整 grounding_px、feather 和 overlap，而不是降低 denoise。

| 模型 | 推荐降噪值 | 参考注入方式 | 一致性 | 说明 | |---|---|---|---|---| | Qwen-Image 2.1 | 1.0 | 参考 latent 精确插在 vision token 位置（image_slots），tile 保持原尺寸不 resize | ★★★★★ | 参考信号最原生，多数情况下可直接拉满。细节完全由模型生成，同时身份 / 结构保持一致 | | Qwen-Image Edit 2511 | 1.0 | 384×384 vision bucket + reference latent 双通道 | ★★★★ | 同 2509，推荐直接用 1.0 ，缺少细节 | | Qwen-Image Edit 2509 | 1.0 | 384×384 vision bucket + reference latent 双通道 | ★★★★ | 与 2511 同源，参考通道成熟，可拉满，缺少细节 | | FLUX.2 klein base | 0.7 – 1.0 | 仅 reference-latent 通道（text encoder 为纯文本，无 vision grounding） | ★★★★ | 缺少 vision 通道, 面部有些油, 偏色, 可使用Smart merge images节点 做色彩或变形校正，搭配防偏移类lora使用时可提升至★★★★☆ | | Krea2 + krea2_identity_edit | 0.7 – 0.8 | 手动重建 [text｜source(frame=1)｜target(frame=0)] in-context 前向 | ★★★☆ | 高降噪下色彩一致性最好，但有时会出现脏点，0.7–0.8 是清晰度与稳定的最佳平衡点 | | FLUX.3 klein turbo | 0.7 – 0.8 | text encoder 仅文本有效，无 vision grounding | ★★★ | 缺少细节、易变形（也可能是comfyUI实现的问题），优点是不容易脏 | | FLUX.2 klein turbo | 0.7 – 0.8 | 仅 reference-latent 通道（text encoder 为纯文本，无 vision grounding） | ★★★ | 缺少 vision 通道，参考信号弱一档，很容易脏、偏色, 可使用Smart merge images节点 做色彩或变形校正，搭配防偏移类lora使用时可提升至★★★☆ | | Qwen-Image-2512/SDXL系列 | 0.2 – 0.5 | 无 | ★ | 非编辑模型无一致性锚定，即使接入ipadapter等方法，效果依然有限 |

  • 模型搭配策略：建议使用 base 或 raw 等非蒸馏模型，搭配 turbo lora（权重约 0.8，根据具体模型自行调整）。这能兼顾基础模型的高质量细节还原与蒸馏模型的生成速度，并能有效规避直接使用纯 turbo 模型放大时容易产生的高频伪影（脏斑）。

  • 参考强度曲线（reference_strength）：建议使用“前高后低”的末段放松曲线。例如总步数为 4 步时，可填 1.0, 1.0, 0.9, 0.8。由于 turbo 模型步数极少，每一步的强度对结果影响都很大，建议全程参考强度不要低于 0.7（否则容易导致图像漂移）；若实际使用中出现特征漂移，可将曲线直接拉平至全 1.0。

  • Krea2 模型特调：建议将 negative_prompt 完全留空。这是因为 krea2 的 identity-edit 在训练时的无条件分布即为“同一张图 + 空文本”，留空能与训练分布完美对齐；且在 cfg=1.0 时，节点也能省去负面提示词的编码时间。

    以上测试数量有限，存在片面和主观因素，还是要根据不同情况来调整参数。当然，你也可以通过使用增强lora，或使用微调模型来改善结果，但这不在测试范围内。

全局提示词（非 by manual 模式）

在非手动分块模式下（如一体化节点、by count、by size），本节点会将同一份全局提示词应用于每一个分块的文本编码。由于每个分块仅涵盖原图的一小片局部区域，该区域的具体内容完全由参考图（像素特征）决定，而提示词仅负责指导模型“如何处理”这些内容。

因此，全局提示词必须遵循“对所有分块均普遍适用”的核心原则：

✅ 应该写

  1. 操作指令 —— 告诉模型这次采样的核心任务（对每个分块都成立）：
  • sharpen and refine details, preserve identity and structure, clean upscale
  • （锐化并精修细节，保持身份与结构，干净地放大）
  1. 全局风格 / 光照 / 色调 —— 整张图共有的氛围（对每个分块也都成立）：
  • cool blue ambient lighting, warm orange rim light, cinematic tone, photorealistic
  • （冷蓝色环境光，暖橙色轮廓光，电影级色调，照片级写实）

❌ 不应该写

  • 具体的物体、人物或场景名词（如 woman at a computer, glasses, monitor, coffee cup）。
  • 除非你能确定该提示词描述的物体元素，对画面中的每一个分块都成立。

💡 推荐模板

  • sharpen and refine, preserve identity and structure, {全局色调/光照/风格}, {画质词}

📦 安装

方式一：手动安装（Manual Installation）

  cd ./ComfyUI/custom_nodes
  git clone https://github.com/supElement/ComfyUI-Element_TileEdit.git

方式二：通过 Manager 安装（Install using Manager）

在 ComfyUI Manager 中搜索 ComfyUI-Element_TileEdit，点击 Install。

依赖即 ComfyUI 本体，无额外安装项。

参数详细说明：中文 | English

常见问题

怎么用？

  • workflow文件夹中已提供相关工作流。

怎么手动分割？

  • 必须使用 Element Tile Split 节点中的 by manual 模式，在画布上按住 CTRL键 + 鼠标左键，拖动添加分块，可连续添加。
  • 每添加一个分块，右侧面板会增加相对应的图层，每个图层可在下方的图层提示词中单独设置提示词。
  • 可以选择不需要的分块按 delete 删除分块（图层），也可以用鼠标点击对应图层上的删除按钮来删除分块。

显存不够？

  • 减小 tile_size（分块更多、单块更小）。Edit 2509/2511 可额外降低 grounding_px；Qwen 2.1 的 grounding_px 不参与计算，只能减小 tile_size。

SDXL 等普通模型能用吗？

  • 能。节点会自动退化为普通分块 img2img，参考 latent 被模型忽略，用 denoise 控制细节强度（0.2 – 0.5 起试）。

Krea 2 用单节点时要不要接 Patch 节点？

  • reference_mode 开着就不需要（内部自建同款机制，接了也会被自动忽略）；关着（conditioning 路径）必须接，否则参考被 core 静默丢弃。详见上文 Patch 节点说明。