CCSR_Upscale

节点功能：基于加载的 CCSR 模型对输入图像执行超分辨率处理（图像放大），支持多种采样方式、图像平铺、颜色修复方法及编码器/解码器瓷砖配置，适用于高质量放大与还原任务。

输入参数

参数名称	说明
ccsr_model	选择已加载的 CCSR 模型。
image	要放大的输入图像。

输出参数

参数名称	说明
upscaled_image	放大处理后的图像。

控件参数

参数名称	说明
resize_method	控制初始缩放的插值方法，默认使用 lanczos。
scale_by	预缩放倍率，范围 0.01–20。通常设置为 1.0，必要时可以先进行粗略放大。
steps	迭代步数，越高图像质量越好但越慢。
t_max	噪声初始时间步，值越高初始噪声越强。默认即可，通常不需要修改。
t_min	最终时间步，越低则保留更多原图细节。适当降低可能增强细节恢复，但过低会丢失生成特性。
sampling_method	三种不同的采样方式。ccsr_tiled_mixdiff 平衡速度和质量；vae_gaussian_weights 较慢但更稳；ccsr 性能最优但对大图风险高。
tile_size	图像分块大小，影响生成内存和细节保留。通常为 512，越大越容易 OOM，越小越平滑但可能断裂。
tile_stride	图像分块重叠步长，避免块边断裂。设置为 tile_size 的一半通常比较稳定。
vae_tile_size_encode	编码阶段 VAE 分块大小。
vae_tile_size_decode	解码阶段 VAE 分块大小。
color_fix_type	颜色对齐方法。adain 通用稳定，wavelet 色彩最自然但较慢，none 为不调整。
keep_model_loaded	是否在处理后保留模型于显存中。多次使用时设为 True 可提升速度；单次使用建议 False。
seed	随机种子。

参数	含义
`t_max`	初始噪声的强度上限（越高 → 越接近纯噪声，采样重建幅度更大）
`t_min`	采样的终止噪声强度（越低 → 更精细保留原图细节）

高 t_max、低 t_min → 更强重建、更高细节合成能力；
低 t_max、高 t_min → 更贴近原图、更弱重建。

当 t_max = 0.2 时，图像虽然被放大了，但人物细节仍然较模糊；这是因为噪声注入较少，模型的重构空间有限，导致修复程度较轻。
而t_max 越大，相当于“P 图”越狠——图像会经历更多噪声扰动和重建，人物细节被大幅重绘，虽然更清晰，但可能出现偏离原图的失真。

t_min则相反，t_min=1.0时比较糊。

模式	是否 Tile	处理方式	拼接融合	显存	速度	推荐用途
`ccsr`	❌ 无	整图一次性	无	高	快	小图，测试
`ccsr_tiled_mixdiff`	✅ 有	tile + diff	混合差分融合	中	中	通用推荐
`ccsr_tiled_vae_gaussian_weights`	✅ 有	tile + VAE	高斯软融合	高	慢	大图，极致平滑

ccsr_tiled_mixdiff 与 ccsr_tiled_vae_gaussian_weights 在大多数情况下差异并不明显。而与基础的 ccsr 模式相比，ccsr_tiled_mixdiff 在细节还原方面表现更优，特别是在眉毛、眼睛高光等区域的结构与光影层次更清晰，质感更突出。（以下图片从comfyui贴到这里时，画质被压缩了，可能不是那么明显）

vae_tile_size_encode / decode (int)：编码/解码时使用的 VAE 切片大小，仅 gaussian_weights 模式有效。

none：不进行颜色修复。
adain：自适应风格迁移（推荐）。
wavelet：小波变换修复。

none中红色颜色更深一些，adain和wavelet差别很细微。