- 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 입력 이미지를 재현한 것이므로, 레이어만 필요하다면 이 이미지는 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.
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.