| 参数名称 | 说明 |
|---|---|
| latents_A | 第一个潜变量集合（包含 latent 编码图像的 Tensor 数据）。 |
| latents_B | 第二个潜变量集合。通常与 latents_A 维度不同，可通过缩放匹配合并。 |
Merge Latents 🎥🅥🅗🅢
节点功能：用于将两组潜空间（latent）数据合并成一个单一的潜空间序列。
输入参数
输出参数
| 参数名称 | 说明 |
|---|---|
| LATENT | 合并后的潜变量集合，包含 samples 字段。 |
| count | 合并后的 latent 总数量。 |
控件参数
| 参数名称 | 说明 |
|---|---|
| merge_strategy | 合并策略，决定尺寸不一致时按哪一个 latent 的尺寸对齐。 MATCH_A：按 A 尺寸对齐 B，保持 A 分辨率，用于 A 主导画面尺寸场景。 MATCH_B：按 B 尺寸对齐 A，以 B 尺寸为基准，用于将 A 迁移到 B 场景。 MATCH_SMALLER：按较小 latent 尺寸统一，可降低计算开销，用于性能优化。 MATCH_LARGER：按较大 latent 尺寸对齐，能保留更多细节，用于合成高分辨率图像。 |
| scale_method | 缩放方法，用于 latent 尺寸匹配。 nearest-exact：采用最近邻插值，处理速度快，但图像边缘会产生明显锯齿感，适合用于调试或遮罩类 latent 合并。 bilinear：运用双线性插值，能实现平滑过渡，适用于对图像质量有平衡需求的场景。 area：使用区域插值法，具备出色的抗锯齿效果，是下采样任务的推荐选择。 bicubic：通过三次插值，可实现高质量的图像重构，推荐用于高分辨率 latent 的精准合并。 |
| crop | 裁剪方式，用于缩放后进行中心或边缘裁切。center：采用居中裁剪的方式，将图像中间区域对齐，适用于大多数图像风格一致的任务。 disabled：不进行裁剪操作。 |
节点提供了四种合并策略：
- match A：使用 A 组的尺寸作为目标尺寸
- match B：使用 B 组的尺寸作为目标尺寸
- match smaller：使用较小尺寸的组作为目标尺寸
- match larger：使用较大尺寸的组作为目标尺寸
以下将两个视频合并为一个视频，由于设置了match A，第二个视频跟随第一个视频的尺寸进行匹配。