AI 入门与 ComfyUI 出图课
L3 / C 线 / C1 前置
L3 · 单品课 · 07 号先修

两种放大

周五交展板,60 × 90 厘米,打印店要 150 dpi(每英寸 150 个点,印厂用的分辨率口径)。算下来是 3543 × 5315 像素,接近 19 MP。你手上只有一张 1024 见方的图。同学说“用 4x 模型放一下”,另一个说“尺寸拉大就行”。这两句话差的不是参数,是有没有新内容被造出来。

01 / 一句话目标

看完这一节,你能对任何一步放大回答两个问题:它是在补内容,还是只把格子摊大;以及 07 号那条链里,哪一步在补、哪一步只在摊。

前置 L2-03c 关联工作流 07 号 两类工序 插值 / 模型 中间峰值 ≈32 MP 数据核对日 2026-11-09
当前位置夹在“尺寸概念”和“07 号实链”之间
L2-03c
三条路线、四种尺寸节点
L3-07b
两种放大怎么分你在这里
L3-07
07 号四步放大实链
C2
文生图 + 深度控制
02 / PREREQUISITES

前置知识卡

这一节只回答“两条放大怎么分”。节点参数、接线、四层子图都不在这里。下面三张卡说清各自归哪一节,免得你以为这一节会重讲一遍。

L2-03c

放大与尺寸

三条路线(模型放大、按倍率、按总像素)和它们各自的参数表,都在那一节。这一节不重复参数,只讲它们差在哪。回看 02 节。

L1-01

潜空间与 VAE

潜空间(Latent)是把像素按 1/8 缩小后的那张草稿画布;VAE 是有损翻译机,负责在像素和草稿之间来回翻。07 号的一步精修就发生在草稿上。回看 L1-01。

L3-07

07 号实链

8 个顶层节点、四层同名子图、#4 的死端。这一节只引用它的结论,不改一个值。回看全景图。

本节边界:不教参数怎么填(L2-03c 管),不教 07 号怎么接线(L3-07 管),不教 denoise 的原理(L3-08 管)。它只回答一个问题:同样把图变大,两条路线各自多了什么、少了什么。本节不新增模型,也不改工作流;用到的是你已经有的 07 号和一张自己的 1024 级图。

这一课会用到的词

词英文原名一句人话一个反例
插值放大Interpolation Upscaling图变大时,按周边像素算出新格子的颜色,不生成新内容。不是“变清楚”:格子变多了,信息还是原来那些。
重采样Resampling换一套像素网格时,重新算每个格子的颜色;放大缩小都算。不是重新生成:它不认识画面里画的是什么。
lanczosLanczos resampling一种重采样算法,拿周边一圈像素加权平均,边缘比较锐。不是放大模型:它只做算术,不会补纹理。
nearest-exactNearest-neighbor(最近邻)直接复制最近的那个像素,最快,边缘最硬。别被 exact 骗:它“精确复制”,不是“精确还原”。
超分模型Super-Resolution Model专门训练来把图变大、并按学到的规律补细节的小模型。不是锐化滤镜:它生成新像素,不只是加对比。
ESRGANEnhanced Super-Resolution GAN一类超分网络的训练方式:一个网络造假图,一个网络挑错,逼出合理细节。不是万能修复:它补“像样”的纹理,不保证“真实”。
分块放大Tiling把大图切成若干小块,每块单独放大,再拼回去。不是“能放得更大”:它换的是显存占用,不是清晰度上限。
显存VRAM显卡上放中间结果的那块内存,图越大占得越多。不是硬盘:关掉程序就释放,装不下会直接报错。
二洗Low-denoise re-sample放大完再走一遍很轻的重画,压掉接缝与过锐。不是“再放大一次”:它不改尺寸,只改质感。
三个新类比,登记理由: ① 插值放大 = 举着放大镜看报纸,字变大了,笔画没变多。登记表里的 12 条没有“只改尺寸”的概念,不能借 VAE 的“有损翻译机”——那说的是编码解码,不是重采样。 ② 放大模型 = 背过大量「糊—清」配对题的临摹者,按学过的规律补笔画。没有复用“生成式模型 = 画师”,因为画师重画整张、会换构图,而放大模型只补原有轮廓上的笔画。两条分开,才不至于把“放大”和“重画”混成一件事。 ③ 分块放大 = 把大海报切成几张 A4 分别处理,再拼回去。登记表里没有空间切分的概念;“工作台”已经归了上下文窗口,不能挪用。
03 / TWO ROUTES

两条路线在 07 号里的位置

先纠正一个常见误会:07 号上并没有“左边一条插值路线、右边一条模型路线”并排放着。它们是两类工序,交替出现在同一条链里。你要认的不是位置,是每个节点属于哪一类。

A · 07 号真实链 · 唯一落盘的一条 LoadImage #1 · 1024 见方 2 MP 归一 #378 · 插值 一步精修 #382 steps 1 模型 4× #383 · 补细节 8 MP 封顶 #386 · 插值 SaveImage #384 · ComfyUI 摊格子 重画 补内容 摊格子 中间产物 ≈32 MP,过路不落盘 #380 载入权重 → #383 执行放大 四步放大:归一 → 精修 → 模型放大 → 再归一(节点编号与 L3-07 一致) B · 死端支路 · 从 #3 开始,到 #4 停下 #3 载入权重 4x-UltraSharp.pth #2 模型 4× 补细节 #4 缩 0.5 nearest-exact 没有下游 links = [] 整段没有 SaveImage,也没有线通向 #390 这条支路本身是完整的,缺的只是最后那根线;所以它不能拿来和 8 MP 成品比清晰度。
蓝色:属于“摊格子”或“补内容”的关键工序 灰色:普通连接 玫瑰虚线:死端

读图顺序:先看 A 段五个方块,认出哪两个是“摊格子”、哪一个是“补内容”。再看 B 段:#3 → #2 → #4 一路连到底,但 #4 后面什么都没有。图里的 LoadImage 是读图节点、SaveImage 是落盘节点,都属于一道工序;其余放大与缩放节点的分工见下表。

同一张画布,两类工序

工序07 号里的节点它动的是什么结果
插值缩放ImageScaleToTotalPixels #378 / #386像素网格的疏密尺寸变了,信息不变
模型放大UpscaleModelLoader #380 / #3 → ImageUpscaleWithModel #383 / #2按学到的规律补像素尺寸变大,细节是补的
按倍率缩ImageScaleBy #4像素网格的疏密尺寸变了,信息不变
一步精修#363–#366 → #382 steps 1潜空间里的内容会改动画面,不是放大

看出规律没有:只有“模型放大”和“精修”会碰内容。其余三个节点都只是换网格,一个像素的“含义”没变。这就是为什么两条路线值得分开记——它们失败的样子完全不同。

硬信息,只引用不改:#4 的 outputs[0].links 是空数组,这是死支结论的唯一依据;它不是接线接反,也不是参数写错。07 号做了四步放大(归一 → 精修 → 模型放大 → 再归一),中间峰值 ≈32 MP,最终封顶 8 MP;四层子图是 #390 → #389 → #388 → #387,真身 22 个节点。这些值在 L3-07 里逐项写过,本节不改。
04 / FIVE QUESTIONS

把两条路线问到底

下面五个问题,按学员最常问的顺序排。每个都先给结论,再给理由;读完你该能自己判断“这一步值不值得做”。

Q1 · 插值在做什么?它连“猜”都算不上

结论:插值是算出来的,不是猜出来的。新格子里的颜色,完全由旧格子的颜色按公式加权得出,输入几个像素,输出就由这几个像素决定。

拿 lanczos 来说,它看新格子周围一圈旧像素,按距离远近分配权重,再求平均。距离近的权重大,远的权重小,还会带一点负权重来保住边缘。nearest-exact 更直接:谁离得近,就整格复制谁。

所以 2 × 2 的图放大成 4 × 4,格子从 4 个变 16 个,但能独立取值的仍然只有 4 个。剩下的 12 个是算出来的,不是新拍到的。这就是“放大不增信息”的全部意思。

nearest-exact 整格复制 16 个格子,4 种取值 边缘出现方形台阶 lanczos 周边加权平均 台阶变缓,取值变多 但每格仍由那 4 个算出 放大模型 按学过的纹理补 灰线是补出来的笔画 合理,但不是原图拍到的 示意:三块都是 4 × 4 网格,尺寸一样;差别只在多出来的格子怎么来。

所以那句“放大就清楚了”错在哪:清晰度看的是每个小区域里有多少独立的笔画信息,不看总像素。1024 见方的糊脸,插值到 4096 还是同一张糊脸,只是每块糊都更贵、更占显存。

Q2 · 放大模型补的是什么?它补的是“像样”,不是“真相”

结论:放大模型会把合理但未必真实的细节画进去。这是它的价值,也是它最容易骗人的地方。

ESRGAN 这类模型训练时看成对的图:一张压缩糊了的,一张清晰的。它要做的事是“从糊的那张,推出清晰的那张”。看多了之后,它学会的是纹理的统计规律——砖缝通常怎么排、发丝通常怎么弯、窗框通常几道边。

4x-UltraSharp.pth 就是这类权重里的一个。把它接到 ImageUpscaleWithModel 上,它会在原有轮廓里补笔画;轮廓、构图、人脸位置都不动,动的只是“细节画得多实”。

反过来说:原图没拍到的砖缝,它会给你补一条;原图糊掉的文字,它会补成一个“看起来像字”的东西。所以放大后的图,适合打印、适合看,但不适合当证据。

Q3 · 为什么“边长乘 4”和“细节变多”是两件事

结论:边长乘 4 是算术,细节变多是模型的事。前者必然发生,后者不一定发生。

先算算术:边长乘 4,面积就乘 16。1024 见方(约 1.0 MP)按 4 倍边长摊开,是 4096 见方(约 16.8 MP)。这一步不需要任何模型,插值就能做完,信息一个都没有多。

再看 07 号,几个数字各管一件事,很容易混成一个:

位置数值它是什么边长变化
#378 归一2.0 MP目标像素量,插值1024 → 约 1414(×1.38)
#383 模型放大4×权重自带的放大倍率,补细节约 1414 → 约 5656(×4)
#386 封顶8 MP目标像素量,插值约 5656 → 约 2828(÷2)
#4(死支)0.5按倍率缩,插值4 × 0.5 = 净值 2 倍

所以最终成品约 2828 见方,是输入 1024 的 约 2.76 倍边长,不是 4 倍。真正“从 4 倍边长”走完的是中间那一步(≈32 MP),而它被 #386 一刀切回了 8 MP。

顺带解释 #18 那条 Note:0.25 一倍 / 0.5 两倍 / 0.75 三倍。因为 4× 模型已经先放大了四倍,后面的倍率是净值:4 × 0.5 = 2。把 0.5 读成“缩一半”,就会得出“这条链在降分辨率”的错误结论。

Q4 · 分块放大为什么能省显存,代价是什么

结论:峰值显存不在最终那张图上,在中间最大的那张上。07 号的峰值出现在 4× 之后:≈32 MP 的图要整张贴进显存,然后才被 #386 压回 8 MP。

分块放大(Tiling)就是绕开这个峰值:把 ≈32 MP 切成 4 块 8 MP,每块单独过一遍模型,再拼回一张。峰值按“一块”算,不按“整张”算。代价有两个:模型要多跑几次,边界要处理。

整张一次过 ≈32 MP 整张 峰值:一整张 调用 1 次 · 接缝 0 条 切 4 块分别过 块 1 · 8 MP 块 2 · 8 MP 块 3 · 8 MP 块 4 · 8 MP 调用 4 次 · 接缝要处理 峰值显存(示意,同一台机器) 整张 ≈32 MP 单块 8 MP · 约 1/4

接缝是怎么来的:每块独立预测,块与块之间的推算不连续,拼回去就出现一条网格线。常见缓解办法是让相邻块重叠几十到一百多像素(具体数值看所用的分块节点),重叠区只取中间部分;或者最后统一洗一遍(见 Q5)。

别把概念当参数:本套 07 号没有分块节点,上面的切块是通用做法,不是 07 的参数。07 号省显存的方式是 #386 把峰值压回 8 MP,不是分块。

Q5 · 什么时候该“放大后再洗一遍”

结论:只有当你看到接缝、塑料感、或放大模型的过锐,才值得二洗;单纯想“更清楚”,二洗给不了新信息。

二洗的做法是:放大完成后,把图送回一次很轻的重采样,去噪强度(denoise,从噪声路径哪一段起手)压得很低,一般 0.2–0.4。它改的是质感,不是内容:把块状接缝揉开,把过锐的边缘压回自然一点。denoise 一旦拉到 0.6 上下,起手点就明显靠前,开始改内容了,五官和文字最先变形。

现在回头看 07 号,会发现它的顺序是反的:先一步精修(#382 steps 1),再模型放大(#380 → #383),最后封顶(#386)。也就是先洗后放。它洗的是精修前的糊,不是放大后的接缝。

还有一点要记住:Flux2 是 07 号用的那套模型,它的链上没有 denoise 这个旋钮(L3-07 已经讲过),重画多少由 steps 1 和 CFGGuider(把 CFG 当输入接进来的引导节点;CFG = 听话程度,L1-03 讲)的引导强度 1.0 一起决定。denoise 是 SDXL 那类模型常见的旋钮,L3-08 专门讲。

05 / CHEAT SHEET

参数速查表

这张表只解决“该动哪个、什么时候动”。具体填法、上下限与位置,回看 L2-03c 第 02 节。

参数本套现值位置它管什么什么时候改
重采样方法
upscale_method
nearest-exact #378 / #386 / #4只影响格子怎么算,不影响内容 缩小回人像时换 lanczos,边缘更柔
目标像素
megapixels
2.0 / 8 #378 / #386把总像素拉到指定值,比例不变 显存紧就降 #386;精修补不出细部就升 #378
放大模型
model_name
4x-UltraSharp.pth #380 / #3补细节的风格与强度 嫌过锐换更保守的 4× 权重;换 2× 要重算倍数
模型倍率4× 权重自带,不在节点里边长乘几 不能单独调,只能换权重
精修步数
steps
1 #382精修重画几遍 0 等于只放不修;2 以上开始改内容
分块
tile
本套 07 号无 —峰值显存 大图直接崩了才上,先试降 #386
二洗强度
denoise
本套 07 号无此旋钮 SDXL 链的 KSampler(采样器节点)重画多少 有接缝或过锐才用;0.2–0.4,过 0.6 改内容
死端缩放
scale_by
0.5 #4净值倍数,不是“缩一半” 本段未接线,改它不影响出图

读表顺序:先看“它管什么”那一列。写着“只影响格子”的,改了不会让细节变多;写着“补细节”的,才是花钱买内容的地方。

06 / TRAPS

踩坑

六个坑,前三个会让你对 07 号下错结论,后三个会让你在别的链上白折腾。

07 号 · #4 与 #18

4x 不是“最终 4 倍”

4× 是权重的放大倍率,#4 的 0.5 是在这个基础上再乘。4 × 0.5 = 2,净值两倍。#18 的 Note 写的就是这张净值换算表。

修法:读倍率前先问一句“这是模型倍率,还是净值”。

07 号 · 根画布 #3 → #2 → #4

“放大前后没区别”,是图没落盘,不是模型没用

#3 载入、#2 放大、#4 缩 0.5,链路完整,参数齐全。但 #4 的 outputs[0].links 是空数组,没有任何节点吃它的图。SaveImage 只吃 #390。

修法:给 #4 单独接一个 SaveImage 再做对比,或者把整段删掉。

07 号 · #377 → #381 → #372 → CFGGuider;#369 → #370 → CFGGuider

正负向没有接反,这条不要当坑改

复核结论:slot 1 来自 #372 ReferenceLatent,往上是 #381 的正向编码,文字是 8K,4K,增加细节;slot 2 来自 #370,往上是 #369 的空字符串。两条 ReferenceLatent 共用同一个 latent(#371),视觉上挤成一团,容易被当成接错,但方向是对的。

结论:不要改。记成“易误读但正确”比记成“坑”更有用。

任何链 · ImageScaleToTotalPixels

把插值拉大当成超分

把 2 MP 拉到 8 MP,边缘看着“顺”了,就以为变清楚了。其实只是糊得更均匀:格子多了,信息没多。

修法:判断有没有补内容,看细节里有没有“新笔画”,不看总像素。

分块链 · 块边界

分块不留重叠,拼出网格线

块与块各自预测,边界处推算不连续,拼回去就是一张网格。很多人第一反应是“模型坏了”,换权重换了半天。

修法:先加重叠再换模型;重叠区只取中间部分拼。

二洗 · denoise

二洗把 denoise 拉到 0.6,内容被改

低 denoise 洗的是质感,0.6 上下开始重画内容。人脸变形、文字走样,都是这一步造成的,却常被算在放大模型头上。

修法:二洗固定 0.2–0.4;要更多变化就别叫它“洗”,那是重画。

07 / PRACTICE

动手练习 + 自检清单

每个练习只改一个变量。做完你对“像素变多”和“信息变多”的差别会有一手体感。

EX 01 · 8 分钟

同一张图,两条路线并排

用同一张 1024 图:一次只走 ImageScaleToTotalPixels 到 8 MP,一次走 ImageUpscaleWithModel(4x-UltraSharp)再封顶 8 MP。两张放一起看。

看什么:插值那侧边缘是软台阶,模型那侧有笔画。尺寸一样,内容不一样。
EX 02 · 5 分钟

给 07 号的节点分类

把 07 号里出现的放大、缩放、精修节点列出来,逐个标“摊格子 / 补内容 / 重画”。

看什么:摊格子的节点比你以为的多,#378、#386、#4 都算。
EX 03 · 10 分钟

只降 #386

把 #386 的 megapixels 从 8 改成 4,其余不动,同 seed 再跑。

看什么:峰值显存的下降,以及细节的“编造感”是否更明显。
EX 04 · 10 分钟

验证死支

把 #384 静音后排队,再只把 #4 接到一个新的 SaveImage 上排队。两次各跑一次。

看什么:静音 #384 后一张都不落盘,说明 #4 确实没有下游。
EX 05 · 10 分钟

二洗两档

在一条 SDXL 放大链上,对同一张放大结果分别做 denoise 0.25 与 0.45 的二洗。

看什么:0.45 那一档开始改五官,0.25 只压质感。
EX 06 · 15 分钟 · 选做

手动切四块

把一张 8 MP 图裁成四块,逐块放大后拼回,观察拼接处。

看什么:接缝长什么样,以及加不加重叠的差别。

自检清单(勾选状态会存在本机)

  • 我能用一句话说清插值和放大模型的区别。
  • 我知道“放大不增信息”指的是什么,不是指尺寸没用。
  • 我能算出边长 ×4 后像素量 ×16。
  • 我能指出 07 号里哪一步是插值、哪一步是模型放大。
  • 我知道 #4 的 0.5 为什么等于净值两倍。
  • 我能说出分块省的是显存,不是提高清晰度上限。
  • 我知道二洗的 denoise 超过 0.6 会改内容。
  • 我确认过 07 号的正负向接法正确,不会去“修”它。
本课硬信息与核对方式:节点编号、连线与参数全部引自 L3-07 高清放大,本节只引用、不改值:顶层 8 个节点、#4 的 outputs[0].links 为空数组(死支结论的唯一依据)、四层子图 #390 → #389 → #388 → #387(真身 22 个节点)、四步放大(#378 归一 2 MP → 精修 steps 1 → #380/#383 模型 4× → #386 封顶 8 MP)、中间峰值 ≈32 MP、#4 0.5 与 #18 的净值换算、正负向 slot 1 / slot 2 的复核结论。像素换算为算术示意,取整以实际 JSON 为准。注意:分块(Tiling)本套 07 号没有对应节点,本节只讲概念,未编造参数。