wildminder/ComfyUI-DyPE

ComfyUI‑DyPE – ComfyUI 的高分辨率扩散

它是什么 – 一组用于可视化编程 UI ComfyUI 的自定义节点，可让您在不重新训练模型的情况下，将现代扩散变压器模型（Flux、Qwen‑Image、Z‑Image、Anima/Cosmos、Krea‑2 等）提升到超高分辨率（2K、4K 及以上）。

工作原理 – 这些节点实现了免训练补丁，在推理时修改模型的位置编码或注意力模式：

• DyPE – 动态位置外推，即时调整 RoPE，使模型能够关注更大的画布。
• SEGA – 频谱能量引导注意力，一种基于频率的锐化替代方案。
• SPA / HAP – 基于 HRDiT 的补丁，用于修复空间混乱或修剪注意力头以提高速度。
• PixelRush、FreeScale、HiFlow、I‑Max – 级联式上采样器，从基础分辨率图像/潜变量开始，逐步细化。 所有节点都是即插即用的：在 ComfyUI 图中将节点放置在模型加载器之后，设置目标宽度/高度，然后连接到常规的 KSampler（或级联特定输入）。

主要特点

• 多架构支持 – 兼容 Flux（包括量化版 Nunchaku）、Qwen‑Image 1.0 & 2.1、Krea‑2、Z‑Image、Anima/Cosmos，甚至可通过级联节点兼容经典 SDXL/SD1.5。
• 零重新训练 – 无需额外的检查点或微调；补丁在运行时应用。
• 单节点集成 – 每种方法都是一个 ComfyUI 节点；您可以组合使用（例如，DyPE + SPA 以提高质量，DyPE + HAP 以提高速度）。
• 高分辨率输出 – 已验证高达 4096×4096 像素及更高。
• 低开销 – DyPE/SEGA 增加的成本可忽略不计；SPA 在 4K 时增加约 1.3‑1.8 倍的推理时间；HAP 在使用作用域计划时可将速度提高 2‑5 倍。

何时使用哪个节点

目标	推荐节点
直接从噪声生成 4K	DyPE（或 SEGA） – 根据模型和视觉偏好选择方法（vision_yarn、yarn、ntk 等）。
修复缩放时出现的重复结构	SPA (HRDiT) – 添加低成本的空间对齐通道。
加速高分辨率采样	HAP (HRDiT) – 使用预校准的作用域计划（为 Flux 提供）或自行校准。
保持构图的同时对现有图像进行上采样	PixelRush – 分块级联细化。
无源图像的完全自动上采样	FreeScale – 使用尺度融合注意力的自级联。
对流程模型（Flux、Qwen‑Image 等）进行上采样并保持结构	HiFlow – 重用低分辨率扩散轨迹作为指导。
Flux/Z‑Image 的双通道高分辨率	I‑Max – 低分辨率通道引导单独的高分辨率通道。

入门指南

1. 安装 ComfyUI（如果尚未安装）。
2. 将仓库克隆到 ComfyUI/custom_nodes/：

   cd path/to/ComfyUI/custom_nodes
   git clone https://github.com/wildminder/ComfyUI-DyPE.git
   

3. 重启 ComfyUI – 新节点将出现在 WMNodes → image 下。
4. 构建一个简单图：Load Model → DyPE → KSampler → VAE Decode。
5. 将 width/height 设置为所需的高分辨率（例如 4096×4096），并选择一个 method（README 推荐 vision_yarn 作为安全默认值）。
6. 运行工作流。
   可选：如果发现重复模式，在 DyPE 后添加 SPA，或添加 HAP 以提高速度。

限制与注意事项

• 补丁是模型特定的；某些节点（例如 HAP）并非在所有架构（如 Nunchaku、Qwen‑Image 2.1 等）上受支持。
• Qwen‑Image 2.1 使用带 alpha 通道的 16×VAE；级联节点会丢弃 alpha 通道并记录警告。
• DyPE/SEGA 需要正确的 model_type 选择；自动检测在大多数情况下有效，但在边缘情况下可能需要手动覆盖（flux、qwen21 等）。
• 高分辨率运行仍需要足够的 GPU VRAM；级联节点通过处理补丁来保持内存平稳，但基础模型仍占用其完整的潜变量大小。
• SPA 与 DyPE/SEGA 不能同时使用 – 它们是互斥的。

了解更多

• README 中链接的原始论文（DyPE、HRDiT、FreeScale、HiFlow）解释了底层算法。
• ComfyUI 中每个节点的工具提示显示了完整的参数列表；README 提供了推荐的默认值和调整技巧。
• 有关自定义加速计划，请参阅 calibration/calibrate_hap.py 脚本。

---

ComfyUI‑DyPE 是一个实用的工具箱，适合任何希望在 ComfyUI 的可视化工作流范式中使用最新扩散变压器生成 4K 以上图像的人。