7. 第 6 模块:文本编码与潜空间重构 (06_text_encoding_and_latent)

模块章节目录

7.5. 模块架构概述

本模块解剖扩散模型系统输入与输出的两大空间转换枢纽:语义文本编码(Text Encoding)与图像潜空间重构(Latent Reconstruction)。

ComfyUI 在文本与潜空间处理上设计了高度健壮的工程实现:

  1. 分词管道与加权语法解析:深度解析 CLIP/T5 分词机制、嵌套权重语法(如 (prompt:1.2))的词法分析与 77-Token 长文本动态切块对齐。

  2. 文本编码器表征空间映射:解剖双 CLIP(SDXL)及 CLIP+T5(SD3/Flux)的多通道嵌入提取、跨层特征拼接与 Pooled Output 聚合。

  3. 变分自编码器(VAE)编解码:剖析 ResnetBlock、Self-Attention 在图像像素空间与潜空间压缩比(8x/16x)之间的前向拓扑与数值重归一化。

  4. Tiled VAE 与实时预览:剖析显存受限场景下超大分辨率切块(Tiling)算法的重叠区加权羽化融合,以及基于 TAESD 的实时流式潜变量预览。