IPAdapter ClipVision Enhancer
节点功能：该节点能把你给它的参考图片切成几块来认真分析细节，然后用这些细节来指导 AI 画图，让最终生成的图更像参考图的风格、色彩和感觉。该节点是ipadapter advanced的拓宽，下图为主要区别。
输入参数
| 参数名称 | 说明 |
|---|---|
| model | 当前正在使用的主模型（例如 SD1.5 或 SDXL 模型）。 |
| ipadapter | 已加载的 IPAdapter 模型结构，用于视觉信息引导。 |
| image | 用于引导的输入图像，通常是样式图、参考图或局部区域图。 |
| image_negative | 负向引导图像，通常用于控制反面特征（例如不希望出现的图像风格）。 |
| attn_mask | 控制图像引导影响范围的遮罩。 |
| clip_vision | 外部提供的视觉编码器，若未提供，则使用默认的模型内置编码器。 |
输出参数
| 参数名称 | 说明 |
|---|---|
| MODEL | 注入图像增强条件后的模型，供后续采样节点使用。 |
控件参数
| 参数名称 | 说明 |
|---|---|
| weight | 图像引导的权重。值越大影响越强，允许负值进行反向引导。范围：[-1, 5]。 |
| weight_type | 权重计算类型（来自 WEIGHT_TYPES，如 linear、cosine 等）。 |
| combine_embeds | 指定特征缩放的策略，影响 Key/Value/Context 的处理。 V only：仅缩放 value 向量，影响相对较小。 K+V：同时缩放 key 和 value，增强匹配能力。 K+V w/ C penalty：加入惩罚项约束，防止过拟合。 K+mean(V) w/ C penalty：对 value 求平均再缩放，提升语义一致性。 默认使用 K+V 通常效果良好，其他选项适合高级用户尝试风格控制或精度微调。| |
| start_at | 指定在采样的哪个时间点开始使用 IPAdapter（范围 0.0 ~ 1.0）。 |
| end_at | 指定在采样的哪个时间点停止使用 IPAdapter（范围 0.0 ~ 1.0）。 |
| embeds_scaling | 控制图像特征编码时的批大小，设为 0 时使用默认推理策略。 |
| enhance_tiles | 将输入图像划分为几块进行增强，数值越高图像越局部处理。这是一个关键参数，它控制将输入图像划分为多少个 tile（例如，值为 2 时图像会划分为 2x2 的四个区域）。数值越高，增强越局部，图像结构保持性更强，但计算量也更大，推荐在显存足够时使用 2~4。 |
| enhance_ratio | 指定增强区域与原图融合的比例。用于控制每个 tile 特征和原始整体特征之间的融合比例。例如设为 0.5 表示新 tile 特征和整体图像特征各占一半，适合在保持整体构图的同时增强细节表现。 |
如下图所示，当我们设置enhance tiles相当于整张图分成一块，那该节点的功能就跟ipadapter advanced完全相同。
下图所示为示例演示，不同的分块参考情况会影响效果，具体的大家可以看图分析主要视觉特征的区别，也可以使用示例工作流进行实验测试。