Comfyui常见术语表

Load Checkpoint（加载模型）

【Load Checkpoint】节点用于选择大模型。点击【ckpt_name】可以显示可用的模型列表。

CLIP Text Encode（CLIP 文本编码）

节点用于输入正向提示词和负向提示词。该节点获取提示词并将输入到 CLIP 语言模型中。CLIP 是 OpenAI 的语言模型，将提示词中的每个单词转换为 embeddings。

diffusion model 扩散模型

扩散模型是一种生成模型，通过逐渐添加噪声到数据中，然后训练模型以去除噪声，从而生成数据。它在生成图像和其他类型的数据中显示出很强的能力。扩散模型的训练过程包括一个前向过程（添加噪声）和一个反向过程（去除噪声）。

denoise 降噪

降噪是指从带有噪声的图像或数据中恢复出清晰的信息。在扩散模型中，降噪指的是模型通过逐步减少噪声来恢复数据的过程，使生成的图像尽可能接近真实图像。

Latent 潜像

潜像指的是在生成模型中，用于表示数据的隐含表示或特征。它是通过编码器将数据（例如图像）转换为一种低维的、抽象的表示，这种表示包含了数据的核心特征。

Latent space 潜空间

潜空间是一个高维空间，用于表示数据的潜在特征。在生成模型中，数据首先被映射到潜空间中，然后通过解码器从潜空间中生成新数据。潜空间的特性使得模型能够生成各种复杂的数据样本。

 KSample（采样器）

【KSample】节点是 Stable Diffusion 中图像生成的核心。采样器将随机图像进行逐步降噪，来生成与提示词相匹配的图像。

【KSample】节点主要有以下参数：

• seed（随机种子）：随机种子值控制清晰图像的初始噪声，从而控制最终图像的组成。
• control_after_generate（生成后操作）：表示每次生成图片后，随机种子将如何变化。
  • fixed（固定）：保持种子不变；
  • increment（增量）：增加 1；
  • decrement（减量）：减少 1；
  • randomize（随机）：随机值。
• steps（采样步数）：采样步骤数。
• cfg（提示词相关性）：CFG（Classifier Free Guidance）表示为无分类器信息引导规模。CFG 是控制稳定扩散应遵循文本提示的紧密程度的设置，即提示词相关性。
• sampler_name（采样器名称）：用于选择采样器。
• scheduler（调度程序）：控制噪声水平在每个步骤中如何变化。
• denoise（降噪）：降噪过程应消除多少百分比的初始噪声。1 表示全部。

VAE

VAE（Variational Autoencoder）是一种生成模型，旨在通过编码器和解码器来学习数据的潜在表示。编码器将输入数据映射到潜空间，解码器则从潜空间中的潜像生成新的数据。VAE的目标是最大化数据的对数似然函数，同时最小化潜空间的分布与预设分布之间的差距。