HyperTile - ComfyUI Built-in Node Documentation

HyperTile 将分块（tiling）技术应用于扩散模型内部的注意力机制，以减少图像生成过程中的内存占用。

HyperTile 将分块（tiling）技术应用于扩散模型内部的注意力机制，以减少图像生成过程中的内存占用。它把潜空间切分为更小的图块，分别对每个图块进行注意力计算，然后重新组合结果。这样便能够在不耗尽内存的情况下处理更大的图像尺寸。

​

输入

参数	描述	数据类型	必填	取值范围
模型	要应用 HyperTile 优化的扩散模型	MODEL	是	-
分块尺寸	处理时使用的目标图块大小（默认值：256）。在内部，该值会被限制为最小 32，然后除以 8 以得到有效的图块大小。	INT	是	1 - 2048
分割尺寸	控制处理过程中图块的重排方式，以提升效率。数值越大，图块尺寸允许的变化范围越大（默认值：2）	INT	是	1 - 128
最大深度	应用分块的最大深度层级（分辨率尺度）。值为 0 时仅在最高分辨率下应用分块（默认值：0）	INT	是	0 - 10
规模深度	启用后，图块大小会在更深的深度层级上按比例缩放。这有助于在较低分辨率下保持质量（默认值：False）	BOOLEAN	是	True / False

注意：tile_size、swap_size、max_depth 和 scale_depth 被标记为高级输入，因此只有在界面中启用高级选项时才会显示。

​

输出

输出名称	描述	数据类型
model	已应用 HyperTile 优化后的模型	MODEL

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑

---

Source fingerprint (SHA-256): fb2fa29a403b6b7de7d5263240cc51a74126078457a3ff9ea63aeded45b9b74a