lbouaraba/comfyui-krea2edit

解决的问题

该项目使 ComfyUI 内的 Krea 2 模型支持基于指令的图像编辑。用户可使用文本提示（例如“将汽车重新着色为哑光黑色”）修改图像，同时保持原始主体的身份和外观，解决了使用标准文本编码器时容易丢失相似性或语义基础的问题。

工作原理

系统采用双重条件化方法，确保模型同时理解图像的外观和提示的要求：

1. 外观注入：源图像作为 VAE 潜在标记注入扩散模型，以保留视觉身份。
2. 语义锚定：源图像也输入到 Qwen3-VL 文本编码器中，使模型在处理文本指令时能够“看到”图像。

提供两个主要节点：Krea2EditModelPatch 用于处理图像潜在变量和几何结构（包括宽高比适配），以及 Krea2EditGroundedEncode 用于图像锚定的文本编码。

适用人群

专为希望进行高保真图像编辑的 ComfyUI 用户设计，例如重新着色、添加/插入对象、属性更改或角色重排，同时保持原始主体身份不变。

特色亮点

• 双重条件化：结合潜在标记与锚定文本编码，实现更优的身份保留效果。
• 灵活的参考几何：支持将源图像适配到不同输出宽高比，防止失真。
• 多参考支持：可使用两个参考图像（例如人物和场景）进行复杂编辑。
• VRAM 优化：包含特定的“像素路径”和 target_latent 接线，防止采样过程中因 VAE 卸载导致的性能下降。