- 본질적인 편집 가능성: 각 레이어는 다른 콘텐츠에 영향을 주지 않고 독립적으로 조작 가능합니다.
- 고화질 기본 연산: 세미틱 구성 요소를 물리적으로 분리하여 크기 조정, 위치 변경 및 색상 재조정을 지원합니다.
- 가변 레이어 분해: 고정된 레이어 수에 제한되지 않으며 필요에 따라 3개, 4개, 8개 이상의 레이어로 분해 가능합니다.
- 재귀적 분해: 어떤 레이어든 추가로 분해할 수 있어 무한한 분해 깊이를 구현할 수 있습니다.
Qwen-Image-Layered 워크플로
Qwen-Image-Layered 분해
이미지를 편집 가능한 RGBA 레이어로 분해하여 색상 변경, 교체, 크기 조정, 위치 변경 워크플로에 사용할 수 있습니다.
워크플로 다운로드
JSON 워크플로 파일을 다운로드하세요
Comfy Cloud에서 실행
별도 설정 없이 ComfyUI를 온라인으로 실행하세요
LoadImage 노드 74에 업로드하세요:
coastal_smiling_woman.png
LoadImage 노드 74 · coastal_smiling_woman.png
모델 링크
text_encoders diffusion_models vae 모델 저장 위치FP8 버전
기본적으로 bf16을 사용하며, 이는 높은 VRAM을 요구합니다. 더 낮은 VRAM 사용을 위해 fp8 버전을 사용할 수 있습니다: 그런 다음 서브그래프 내의 Load Diffusion model 노드를 업데이트하여 이를 사용하세요.레이어와 출력
레이어 수는 서브그래프 내의 Empty Qwen Image Layered Latent 노드에 있는layers 위젯으로 설정합니다.
이 모델은 레이어와 함께 전체 이미지도 다시 생성하므로, 한 번의 생성은 항상 layers + 1개의 이미지로 디코딩됩니다.
첫 번째 이미지는 전체 이미지이며 레이어가 아닙니다. 이미지를 레이어로 분해하는 워크플로우에서는 배치 분할 전에
LatentCut 노드(dim은 t, index는 1)가 자동으로 이를 제거하므로, 템플릿은 layers개의 이미지를 출력합니다. 해당 노드가 없는 커스텀 그래프를 직접 구성하는 경우, 레이어만 필요하다면 첫 번째 이미지를 버리세요. layers에는 0을 지정할 수 있으며, 이 경우 해당 이미지 하나만 얻게 됩니다.
모든 레이어를 다시 합성하면 전체 이미지가 재현됩니다. 이를 검증에 사용하세요. 레이어를 쌓아도 첫 번째 이미지가 재현되지 않는다면 분해가 의도대로 이루어지지 않은 것입니다.
레이어가 개별 이미지가 되는 방식
Empty Qwen Image Layered Latent 노드는[batch_size, 16, layers + 1, height // 8, width // 8] 형태의 5D Latent를 할당합니다. 레이어는 세 번째 축에 놓이며, 이는 비디오 모델이 프레임을 두는 것과 같은 시간 축입니다. LatentCutToBatch 노드의 dim을 t로 설정하면 그 축이 배치 차원으로 옮겨지므로, VAE Decode 이후 각 레이어는 배치 안의 개별 이미지가 됩니다. 템플릿은 LatentCutToBatch 앞에 LatentCut 노드(dim은 t, index는 1)를 삽입하여 전체 이미지 항목을 제거하므로, 디코딩된 배치에는 레이어만 포함됩니다.
따라서 레이어의 쌓임 순서는 배치 안에서의 인덱스 그 자체이며, 인덱스 0의 전체 이미지부터 셉니다. z-index 필드도, 그 순서를 담는 레이어별 메타데이터도 없으므로 배치를 재정렬하거나 걸러내는 것은 곧 레이어를 재정렬하는 것입니다.
Qwen-Image-Layered VAE는 4채널로 디코딩하므로 디코딩된 레이어는 알파 채널을 가집니다.