Qwen-Image-Layered：ComfyUI 图像图层分解
使用 Qwen-Image-Layered 将图像分解为多个 RGBA 图层，然后独立重新着色、替换内容、调整尺寸或移动位置。
Qwen-Image-Layered：ComfyUI 图像图层分解
使用 Qwen-Image-Layered 将图像分解为多个 RGBA 图层，然后独立重新着色、替换内容、调整尺寸或移动位置。
Qwen-Image-Layered 是阿里巴巴通义千问团队开发的模型，能够将图像分解为多个 RGBA 图层。这种分层表示解锁了固有的可编辑性：每个图层都可以独立操作而不影响其他内容。
主要特性：
- 固有可编辑性：每个图层都可以独立操作而不影响其他内容
- 高保真基础操作：支持调整大小、重新定位和重新着色，语义组件物理隔离
- 可变图层分解：不限于固定数量的图层 - 可根据需要分解为 3、4、8 或更多图层
- 递归分解：任何图层都可以进一步分解，实现无限分解深度
相关链接：
Qwen-Image-Layered 工作流
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。
Qwen-Image-Layered 分解
将图像分解为可编辑的 RGBA 图层，用于重新着色、替换、调整大小和重新定位等工作流。
[card] 下载工作流 下载 JSON 工作流文件
[card] 在 Comfy Cloud 上运行 零配置在线运行 ComfyUI
输入材料
将此文件上传到 LoadImage 节点 74：
[card] coastal\_smiling\_woman.pngLoadImage节点 74 ·coastal_smiling_woman.png
模型下载
text\_encoders
diffusion\_models
vae
模型保存位置
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 text_encoders/
│ │ └── qwen_2.5_vl_7b_fp8_scaled.safetensors
│ ├── 📂 diffusion_models/
│ │ └── qwen_image_layered_bf16.safetensors
│ └── 📂 vae/
│ └── qwen_image_layered_vae.safetensors
FP8 版本
默认使用 bf16，需要较高显存。如需降低显存使用，可以使用 fp8 版本：
然后更新子图中的 Load Diffusion model 节点来使用它。
图层和输出
图层数量由子图内 Empty Qwen Image Layered Latent 节点上的 layers 组件设置。
该模型会在生成图层的同时重新生成完整图像，因此一次生成总是解码出 layers + 1 张图像：
layers | 解码出的图像数 | 内容 |
|---|---|---|
0 | 1 | 仅完整图像 |
2（模板默认值） | 3 | 完整图像，然后是 2 个图层 |
5 | 6 | 完整图像，然后是 5 个图层 |
第一张图像是完整图像，而不是图层。 图像转图层工作流会在批处理拆分前通过 LatentCut 节点（dim 为 t、index 为 1）自动将其丢弃，因此模板输出的是 layers 张图像。如果你自行构建不包含该节点的图，则在只需要图层时应丢弃第一张图像。layers 可以设为 0，此时只会得到这一张图像。
将所有图层合成回去可以重建完整图像。 可以用它来检查：如果堆叠图层无法重现第一张图像，说明分解没有达到预期效果。
图层如何变成单独的图像
Empty Qwen Image Layered Latent 节点会分配一个形状为 [batch_size, 16, layers + 1, height // 8, width // 8] 的 5D Latent。图层位于第三个轴上，也就是视频模型用于存放帧的那个时间轴。将 LatentCutToBatch 节点的 dim 设置为 t，会把该轴移动到批次维度上，因此在 VAE Decode 之后，每个图层都是批次中一张单独的图像。模板会在 LatentCutToBatch 之前插入一个 LatentCut 节点（dim 为 t、index 为 1）来丢弃完整图像条目，因此解码后的批次只包含各个图层。
因此，图层在堆栈中的位置就是它在批次中的索引，从索引 0 处的完整图像开始计数。这里没有 z-index 字段，也没有承载该顺序的逐图层元数据，因此重新排序或过滤批次就等于重新排序图层。
Qwen-Image-Layered VAE 解码为 4 个通道，因此解码出的图层带有 Alpha 通道。
工作流设置
采样器设置
该模型运行较慢。原始采样设置为 steps: 50 和 CFG: 4.0，这将至少使生成时间翻倍。
输入尺寸
输入尺寸建议使用 640px。如需高分辨率输出，请使用 1024px。
提示词（可选）
文本提示词用于描述输入图像的整体内容——包括可能被部分遮挡的元素（例如，你可以指定隐藏在前景物体后面的文字）。它不是用来明确控制各个图层的语义内容的。