这是我自己的测试结果，大家可以参考。
该节点可以通过参数设置ipadapter模型每一层不同的权重信息，进而去测试每一层对最终图像的影响效果，上图是我自己的测试结果，大家可以借鉴和参考，除此之外每个大模型可能因为本身参数的区别，而导致测试结果存在误差。
ComfyUI_IPAdapter_plus
时间：2025/06/28
IPAdapter Mad Scientist
节点功能：该节点通过设置不同的权重，用来实验每一层参数对结果的影响。
IPAdapter Mad Scientist-节点参数说明
| 输入参数 | |
| model | ComfyUI 模型对象，一般为 SD1.5/SDXL 等生成模型。 |
| ipadapter | 加载好的 IPAdapter 模型结构。 |
| image | 提供引导风格/语义的参考图像。 |
| image_negative | 负面图像（例如不希望生成的风格），可用于反引导或细化控制。 |
| attn_mask | 注意力掩码，用于局部区域控制（如只作用于脸部）。 |
| clip_vision | 替代默认视觉编码器，用于获得更强语义嵌入或兼容特殊模型。 |
| insightface | 面部识别模型，用于 faceidv2 的处理，增强面部一致性。 |
| 输出参数 | |
| MODEL | 应用了风格引导的 SD 模型，可继续用于生成或合成。 |
| 控件参数 | |
| weight | 权重的应用方式。来自 WEIGHT_TYPES 常量，可能包含 linear, constant, 等。 |
| weight_faceidv2 | 专门针对 FaceID v2 模型的引导强度。 |
| weight_type | 权重的应用方式。来自 WEIGHT_TYPES 常量，包含 linear、constant 等。 |
| combine_embeds | 多个嵌入向量的组合方式，如 concat、add、subtract、average、norm average。 concat: 直接拼接所有嵌入。 add: 将多个嵌入向量相加。 subtract: 用于两个嵌入之间的差异。 average: 平均化处理。 norm average: 加权平均后再做归一化。 多图风格融合用 average 较好。 要保留多图独立特征可选 concat。 |
| start_at | 起始步数，决定在哪个 step 开始启用 IPAdapter，引导过程的控制点，范围为 0.0-1.0。 |
| end_at | 终止步数，控制在哪个 step 停止使用 IPAdapter，引导强度随步数渐变。 |
| embeds_scaling | 嵌入向量的缩放方式，如只对 V 进行缩放，或对 KV 进行惩罚性调整等。 V only: 只缩放 Value 向量。 K+V: 缩放 Key 和 Value。 K+V w/ C penalty: 加入惩罚项的 K+V 缩放。 K+mean(V) w/ C penalty: 加权平均 V 后缩放 |
| layer_weights | 对各层的影响权重（通常是逗号或空格分隔的字符串），支持精细控制每一层的影响力。格式为 "0.1,0.3,0.5,0.8,1.0" 或 "0.1 0.3 0.5"。需要理解模型中哪些层对应哪些语义信息（如底层层感知纹理、上层感知语义），这对调节生成风格非常重要。初学者可以设置空值或只设置简单层权重，如 1.0，再逐步学习控制不同层的影响。 |
